核醫知識站類澱粉 PET 定量筆記

Amyloid PET · 定位

12與世界主流做法的比較

同一套標準流程，我們哪些地方跟世界一樣、哪些是取捨、哪些是已知的弱點。每一項都標出來源。

一句話結論

先給結論。把我們這條路線放上世界的座標：我們走的是「FBB ＋ 低劑量 CT ＋ SPM 非線性標準化 ＋ GAAIN 標準 VOI ＋ Rowe 2017 換算式 ＋ GAAIN 年輕對照 10 例的 Z 圖」。在光譜上離我們最近的是松田團隊的 CT 路線（AMYclz）[12][17]，一樣不需要 MRI；但我們的取樣遮罩與換算式是直接沿用官方 Centiloid 標準那一套，不是自己另外校準的版本[1][8]。這個位置就是我們最強的地方。

最強的優勢：不用 MRI、用國際共用標準件、換算式與官方同源、免費開源而且每一步都能自己打開來審核。最大的已知風險：CT 取代 MRI 造成的系統性低估（文獻 2–6 CL）、Z 圖正常庫只有 10 例、沒有醫療器材認證，以及個別病例跨軟體比較時的 pairwise Bland–Altman 95% 一致性界限（limits of agreement）可達約 ±12–21 CL、部分比較甚至約 ±30 CL——那是群體的統計一致性界限，不代表每個病人都會差這麼多。

還有一件要自己先講清楚的事：把同一顆腦、同一份 PET、同一組 VOI只換正規化路線，CT 路線 88.6 CL、PET-only 路線（本機 affine 版）94.8 CL，CT 路線低 6.1 CL，方向與文獻的 CT 低估一致，也解釋了與松田 95.1 CL 之差的約 95%。但與 AmPQ 官方相比我們仍略高 3.35 CL，那一段還找不到來源；而且這 6.1 CL 究竟是「CT 路線的誤差」還是「本機 PET-only 路線自己不準」（本機 PET-only 路線是 affine 對位），要比較兩種路線下小腦的落點才能二選一，尚未執行。另外，AmPQ 的 2025 論文是 MR-based 與 MR-free 並存，其軟體 v260921（2026-09）的官方版本紀錄已載明改為 PET-only 路線，日後比對要先標明是哪一版。

逐項並排比較

先看一層更上面的分類。不管哪一套軟體，PET 要進標準空間，解剖位置只有三條來源。這三條路線的差別不是「誰準誰不準」，而是各自把不確定性放在不同的地方。

路線誰幫 PET 找解剖位置典型方法優點主要風險
PET + MRI 病人自己的 T1 MRI GAAIN reference pipeline、Amyquant[1][6] anatomy 最清楚；可 segment GM／WM／CSF 要有合格 MRI；PET-MRI coregistration 也可能錯
PET + CT 同次 low-dose CT Matsuda／AMYclz 類路線與 AmyDaDa[3][17] PET/CT 幾乎一定有；無須另做 MRI CT tissue contrast 不如 MRI；需 CT-specific preprocessing；brainstem／cerebellar alignment 可能受影響
PET-only PET template／adaptive template／AI AmPQ MR-free[11]、rPOP[36]、MIMneuro[21]、syngo.PET[20] 流程最簡單；適合大規模與臨床 workflow amyloid 陽性／陰性 pattern 差異、atrophy、head position 可能影響 normalization

最重要的結論不是誰絕對最好，而是：MRI-based 的優勢是直接有 subject-specific anatomy；PET-only 的優勢是 workflow 簡單。現代演算法已大幅縮小差距，但不同 pipeline 仍不是完全可互換。

再往下才是逐軟體的並排。橫著讀是一套軟體的做法，直著讀是同一個面向下各家的差別。查不到的欄位一律寫「查不到」，不補猜測。

比較面向官方 Centiloid 標準AmyPETCapAIBLNEUROSTAT／3D-SSPAmyquantAmPQVIZCalcSiemens syngo.PET／SceniumMIMneuroCortexID Suite我們（AmyDaDa）
對位需要什麼影像 需同時期 3D T1w MRI；無 CT 路徑，也不能只用 PET[1] 需 MRI（CL 管線）；可用 CT 查不到[7] 不需，PET-only（adaptive atlas）[13] 不需（PET／SPECT）；不可用 CT[15] 需 MRI（要手動設前連合 origin）；不可 CT、也不能只用 PET[6] MRI-based 或 MR-free；可用低劑量 CT 查不到[11] PET-only，不需 MRI／CT[18] PET-only[20] PET-only（半自動，可手動調 seed）[21] PET-only[22] 低劑量 CT（PET/CT 同機）
線性／非線性 MRI→MNI 為 affine 加非線性 warp；PET 本身只做剛體對位[1] PET→MR 為 affine；MR→MNI 非線性[7] 先 affine 到平均 PET 範本，再用 adaptive atlas 非線性對位[13] 先線性（AC-PC、腦大小），再非線性 warping（Talairach 空間）[15] 非線性（SPM12 unified segmentation）[6] MR-based 非線性；MR-free 官方描述為非線性配準至標準模版[11] 非線性（基函數變形場）[18] 非線性（adaptive template registration）[20] 非線性（BrainAlign 變形、多模板）[21] 非線性（adaptive template registration）[22] 非線性（SPM25 unified segmentation）
平滑參數 定量流程不規定 PET 平滑（唯一的 5.0 mm 用於產生 CTX VOI）[1] 定量階段不做額外平滑[7] 查不到 官方文件未載；ADNI 標準實作為 8 mm（與我們同值）[16] 8 mm 3D 高斯（僅 Z 圖用）[6] 查不到 查不到 查不到 查不到 查不到 8 mm FWHM 高斯（僅 Z 圖用）
VOI 來源 GAAIN 標準 VOI（2 mm）；皮質 CTX 為資料驅動[1] GAAIN 標準 VOI，1 mm 與 2 mm 兩版、預設 2 mm[7] Centiloid 標準皮質加全小腦 VOI（GAAIN）[13] 不是 VOI；表面像素沿法線取 6 像素深的最大值[15] GAAIN 標準 VOI（ctx VOI），另拆 5 區[6] 遵循 GAAIN 標準流程、使用標準 VOI[11] GAAIN 標準 VOI，由 1.0 mm 重採樣為 1.5 mm[18] 示蹤劑特異皮質區；5 種「目標區乘參考區」組合[20] 18F-florbetapir Clark atlas（Avid VOI，GAAIN 提供），亦可用 CTX[21] 8 個皮質區／半球；composite 不做體積加權[22] GAAIN 公布的 Centiloid 標準 VOI（2 mm）
參考區 標準參考區＝全小腦[1] 四個都可算，文件以全小腦為主[7] PET-only 管線依追蹤劑（FBB 用小腦灰質）；CL 換算用標準全小腦[13] 1995 原始用丘腦；可另建 5 種[15] 全小腦／小腦灰質／橋腦／全小腦加腦幹皆可選[6] 查不到（未見明文）[11] SUVr 用橋腦；CL 用全小腦[18] FBP 用全小腦、FBB 用小腦皮質、FMM 用橋腦，另可選全小腦[20] 全小腦[21] 小腦皮質／全小腦／橋腦可選[22] 全小腦（WhlCbl）
正常庫來源與大小 無獨立正常庫概念；CL 錨點為年輕對照 34 例、AD 45 例[1] 未內建正常庫（Z 圖不屬其功能）[7] 有 Z 分數表面圖；來源與例數查不到[13] 1995 原始 22 例；臨床實務需自建[15] 取自 GAAIN 年輕健康對照；FBP 正常庫僅 13 例[6] 查不到[11] 模板取自 136 例的極端各 5 例；正常庫大小查不到[18] 查不到[20] FMM 54 例（AIBL）；FBP／FBB 查不到[21] 逾 100 例 18F-FMM 陰性掃描；FBB 查不到[22] GAAIN 年輕對照庫 10 例（加 8 mm 平滑）
SUVR 換成 Centiloid 通式為 100 乘以（SUVR 減 YC0）除以（AD100 減 YC0）；PiB 標準式 93.7 乘 SUVR 減 94.6[1] PiB 錨點（全小腦 1.0129／2.0799）；FBB 先換成 PiB 等值，係數與 Rowe 2017 同源[7] 已做 level-2 校正；逐追蹤劑完整係數查不到[13] 不適用（不算 Centiloid）[15] FBP 為 175.17 乘 SUVR 減 182.23；FMM 為 121.42 乘 SUVR 減 121.16；FBB／PiB／NAV4694 查不到[6] 依 GAAIN 標準流程；FBB 是否用 Rowe 2017 式查不到[11] FMM 為 122.83 乘 SUVr 減 126.13[18] 自行校準，每組「目標區乘參考區」各一式[20] 自行校準（level-2，Avid regions）；係數查不到[21] 不提供 Centiloid（GE 的 AmyPype 才提供）[22] Rowe 2017 FBB：CL 等於 153.4 乘 SUVR 減 154.9（與官方標準法同源）
醫療器材認證 非軟體產品（標準流程文件）；SPM8 免費開源[1] 無（開源研究工具）[7] 查不到（研究用雲端）[13] 無醫療器材認證；免費但需 KEYCODE 且有嚴格著作權限制[15] 查不到 FDA／PMDA／CE；後繼商用 AMYclz 為日本管理医療機器（限日本、限 florbetapir）[6][17] 無（官方明示僅限研究）[11] medi+FALCON 具 PMDA 認證；VIZCalc 本身獨立認證查不到[19] FDA 510(k) K242275（2024-08-30 加入 CL scoring）加 CE[20] FDA 510(k) K233620（2024-05-20）加 CE[21] FDA 510(k) K141074（2014-09-18）加 CE[22] 無（自建研究流程）
取得方式與費用 免費公開下載（GAAIN，免註冊）；SPM8 免費開源[1] 開源免費（MPL-2.0）[7] 免費但需註冊；評估版每日 10 張、總計 100 張[14] 免費，需 e-mail 申請 KEYCODE[15] 向松田團隊索取；是否需商業授權、是否綁機查不到[6] 免費（限學術與非營利），填表申請；需 MATLAB Runtime[11] 日本 NMP 商用；費用查不到[19] 商用，綁 syngo.via 平台；費用查不到[20] 商用，不綁特定掃描儀；價格查不到[21] 商用，綁 GE 工作站；費用查不到[22] 自研；SPM25 加自寫腳本，可自行審核
發表的驗證數據 驗收標準 slope 0.98–1.02、intercept ±2 CL、R² > 0.98[1] Level-1 複製（全小腦）slope 0.9992、intercept 0.0428、R² 0.9971[7] 校正集 R² > 0.97；FBB 偏差約 −14%；PET-only 皮質 SUVR 誤差 < 5%[13] 1995 原始敏感度 95%、特異度 100%（FDG）；amyloid 應用未經 Centiloid 驗證[15] 與 GAAIN「excellent correlation」，未給具體數值；跨軟體 R² 0.98[6][24] Level-1 MR-based slope 1.001／intercept 0.0477／R² 0.9994；MR-free 0.9890／0.6073／0.9890[11] 與 CL 的 R² 0.9188；CL AUC 0.973、切點 12.400[18] 白皮書 FBB 偏差 −1.005 CL；Scenium VE70 之 level-2 R² 0.97–0.98[20] 510(k)：R² > 0.97（GAAIN regions）；合併準確率 95.1%、kappa 0.90[21] FMM 切點研究 1,110 例；與 VIZCalc 的 SUVr 相關 r 0.986；不提供 CL[22] 本機 FBB n=35：逐位絕對平均 2.71%、組平均 +0.45%、slope 0.9758／intercept +2.028／R² 0.9857

看我們自己那一欄要誠實：本機 CL 回歸的 slope 0.9758 略低於官方 0.98 的下緣、intercept +2.028 略超出官方 ±2，只有 R² 0.9857 在範圍內；而且官方三關的定義對象是 PiB n=79，本機用 FBB n=35 算改編版[2]。

這一欄的正式名稱應該是「以 Centiloid Level-1 QC 思路做的本機工程驗收（非正式 GAAIN Level-1 certification）」，不能寫成「已通過 GAAIN validation」。事實是：35 例中有 7 例的 individual CTX SUVR error 超過 5%；能留下來的是 group mean error +0.45%、regression R² 0.9857，以及與 AmyPET 交叉驗證 4 例落在 ±2.3 CL 內。這些都是 engineering validation evidence——證明這條實作大致跟著標準走，不是官方認證。

AmPQ 與 Amyquant 是兩條不同的路線，不要混為同一類。讀者版對照如下。

問題AmPQAmyquant
團隊長庚 MIPAL／Hsiao 團隊Matsuda／Yamao 團隊
原始論文年份2025[11]2022[6]
標準化方式MR-based ＋ MR-free adaptive PET templatePET coregister 到病人自己的 MRI，再由 MRI 的形變進 MNI
MRI 是否必須MR-free 可不需要原始 Amyquant pipeline 需要
Centiloid有有
Z-map有有
核心優勢workflow 簡單，PET-only 路線有正式的 GAAIN validationanatomy-guided，流程接近傳統 Centiloid MRI reference
核心限制MR-free 個案仍需 registration QCMRI 可得性／品質，以及 PET-MRI coregistration 誤差
Z 可否直接互比不可，除非 normal database 與 preprocessing 一致同左

不能只看「AmPQ 85 CL、Amyquant 95 CL」就問誰錯。先檢查 spatial normalization、reference uptake、VOI landing、scan window、reconstruction 與 software calibration——這些任何一項不同，都足以造出這個量級的差[26][31]。

Amyquant、AMYclz、AmPQ 三者要分清楚。

  • Amyquant（Matsuda & Yamao 2022）：MRI-based。PET 先 coregister 到病人自己的 T1 MRI，再由 SPM12 unified segmentation／nonlinear normalization 進 MNI，套 GAAIN VOI，算 SUVR 再轉 CL，最後用 tracer-specific normal database 產生區域／voxel Z-score[6]。
  • AMYclz：松田團隊後續的商用化路線，不應與 Amyquant 畫等號。以 CT 或 MRI 做 anatomical standardization，florbetapir 是重要應用，日本已有醫材產品化版本[17]。
  • AmPQ（Hsiao／CGU MIPAL）：MR-based 與 MR-free adaptive PET-template 都有研究驗證，2025 年論文有 GAAIN level-1／level-2 validation，支援 PiB／FBP／FMM／FBB；官方版本為學術研究用途——「學術研究免費」不等於「臨床已核准」[11][51]。

我們的優勢

我們的已知劣勢與風險

差幾 CL 會影響判讀

這題要分兩層講，這兩層很常被混在一起：

Correlation ≠ Agreement：相關性高，不代表數字可以互換。看一個刻意做的小例子：

Software A：20／40／60／80 CL　·　Software B：30／50／70／90 CL

把 A 對 B 做回歸，R² 可以接近 1——但 B 永遠高 A 10 CL。高 R² 只證明排序很像，不代表兩套數字可以互換；Bland–Altman 的 bias 會直接把這 10 CL 抓出來。所以跨軟體比較真正要看的是：slope、intercept、Bland–Altman bias、limits of agreement、門檻附近的二分類一致率，以及 test-retest repeatability[23][29]。2025–2026 這幾篇跨軟體比較，正好是拿來教這件事的教材[25]。

門檻帶本身的出處要分清楚：<11／11–26／>26 出自 Blazhenets 等人 2026 年的個別參與者資料統合分析，49,227 人、53 個研究，是資料驅動的雙切點[9]；<10／>30 出自 AMYPAD 聯盟 2024 年的建議文，那是回顧文歸納出來的保守建議，不是單一前瞻世代推導的切點，後來被 EMA 的法規意見採納[32][33]。10 到 30 CL 這一帶在 AMYPAD 的資料集約占 10%、在另一個世代占 22%[32]。

最後要自己講清楚：目前沒有任何一篇文獻能給出「差 X CL 就一定會翻」的單一門檻值，因為翻不翻取決於那個病例離門檻多遠。我們和文獻的差距現在有兩段要分開講：路線槓桿那段方向一致（同一顆腦只換路線，CT 路線低 6.1 CL，與文獻的 CT 低估同向），能解釋與松田的差；與 AmPQ 官方之間我們仍略高（+3.35 CL），那段還找不到對應的來源。

臨床實務提醒

取像時間窗。NEURACEQ（FBB）仿單列出注射後 45–130 分鐘的取像範圍[41]；這個寬窗本身不等於某條 Centiloid 換算式在全時段都經過驗證。Rowe 2017 的方程式是由注射後 90–110 分鐘的影像推導，其他時間窗不能直接套用同一式。較早取像可能造成不同結果：70–90 分鐘相較 90–110 分鐘，Aβ 陰性者的 CL 平均低 2.21 ± 3.08、Aβ 陽性者低 8.26 ± 6.29[34]；另一項研究中，60–80 分鐘的 SUVR 平均低於 90–110 分鐘（1.14 對 1.22），且兩個時窗各自需要不同的換算式[35]。報告務必寫下實際的注射至掃描時間。

參考區選哪一個，可以差三十幾 CL。同一顆腦換參考區的實測：全小腦 87.9、小腦灰質 95.1、全小腦加腦幹 94.3、橋腦 124.2。橋腦是最不穩健的一個，歐盟 EMA 的意見也建議不要用橋腦當參考區[7][33]。所以報告上一定要寫清楚用哪一個參考區，換算式與判讀門檻都要跟著同一個參考區走。

本工具沒有醫療器材認證、僅供研究參考，不可作為正式報告或臨床診斷依據。

時間註記：2025 年的美國標籤前後有變化。2025 年初的適用標準仍寫「quantification is not currently included in FDA labels」[53]；Neuraceq 於 2025 年 6 月修訂的 FDA 仿單及 2026 年法規回顧顯示，定量分析可搭配視覺判讀，並須使用 FDA-authorized amyloid PET quantification software[41][54]。因此較早文件的說法已不再是最新狀態；但仿單並未讓任意自建流程自動取得臨床資格——本工具沒有醫療器材認證。

Visual read 與 quantitative read 觀察的是相關但不同的資訊，不是「誰比較準」的比賽。

  • Visual read：看 cortical gray-white contrast；白質的 uptake pattern 對視覺分類影響很大，reader 的訓練與經驗也重要[48]。
  • Centiloid：是 continuous 的 global amyloid burden，適合 borderline、研究、longitudinal 與 treatment response；但它會受 pipeline、reference region 與 registration 影響。

結論句：quantification 是 visual interpretation 的 adjunct，不是把影像關掉只看一個 CL 數字。

本頁的定位。AmyDaDa 是研究與教育用途的透明化 amyloid PET quantification pipeline。它真正有價值的地方不是宣稱「跟某商用軟體一樣準」，而是每一步都可以看到：DICOM 怎麼進來、怎麼 normalize、VOI 放哪裡、SUVR 怎麼算、Centiloid 怎麼轉、Z-map 用哪個 database、哪一步有文獻、哪一步是自己定義。這在教育與研究上，比黑盒軟體更有價值。

Quantitative outputs should be interpreted together with visual assessment, acquisition quality, spatial-normalization QC, and the validated context of use of the selected threshold.

要做 longitudinal 比較時，same pipeline strongly recommended：固定同一套軟體、同一個版本、同一個參考區、同一台掃描儀與同一組重建參數，比事後跨軟體換算可靠得多。