溫州醫(yī)科大學附屬第一醫(yī)院核醫(yī)學科，浙江溫州325000

帕金森?。≒D）是最常見的神經(jīng)退行性疾病之一，在年齡≥65歲人口中發(fā)病率為2%～3%［1-2］。隨著我國人口的老齡化加劇，其發(fā)病數(shù)量呈逐年遞增的趨勢。近年來，包括正電子發(fā)射斷層掃描（PET）、單光子發(fā)射計算機斷層成像術(shù)（SPECT）和磁共振（MRI）在內(nèi)的多種成像模式已被證實有助于PD的早期診斷和鑒別診斷。18F-多巴（DOPA）PET是檢測黑質(zhì)紋狀體多巴胺能神經(jīng)元變性的一種非常靈敏的神經(jīng)影像工具［3］。多巴胺轉(zhuǎn)運蛋白（DAT）是定位于多巴胺能神經(jīng)末梢細胞膜上突觸前膜的單胺類特異轉(zhuǎn)運蛋白，可反映含多巴胺神經(jīng)末梢部位的活性。99mTc-TRODAT-1是一類DAT顯像劑。研究發(fā)現(xiàn)，99mTc-TRODAT-1 SPECT和18F-DOPA PET顯像結(jié)果存在一致性，可用于評價突觸前多巴胺能功能障礙［4］。為提高對99mTc-TRODAT-1顯像在PD中應用價值的認識，本文現(xiàn)就99mTc-TRODAT-1顯像在PD診斷中應用的進展進行綜述。

1 99mTc-TRODAT-1顯像在PD診斷中的應用

1.199mTc-TRODAT-1顯像在PD臨床診斷中的應用99mTc-TRODAT-1顯像對PD患者診斷的應用在臨床開展已有一段時間，其對PD的診斷價值得到了臨床神經(jīng)病學家的高度認可，并在一定程度上影響了PD的診斷和治療決策［5］。99mTc-TRODAT-1的推薦使用劑量為 740 MBq［6］。Sun 等［7］開展了一項Ⅱ期、多中心的研究，結(jié)果顯示99mTc-TRODAT-1 SPECT對PD患者診斷敏感性和特異性分別為98.96%和94.12%，顯像結(jié)果與Hoehn-Yahr分級有很好的一致性；99mTc-TRODAT-1顯像診斷輕度和中度PD的敏感性分別為43.42%和95.00%；PD患者的99mTc-TRODAT-1攝取率顯著低于健康對照者。該研究進一步證實了99mTc-TRODAT-1是一種安全的放射性示蹤劑，可用于PD的臨床診斷。

1.299mTc-TRODAT-1顯像在PD不同臨床亞型診斷中的應用 PD不同臨床亞型有多種分類方法，根據(jù)其主要的運動癥狀不同可將患者分為姿勢不穩(wěn)和步態(tài)障礙（PIGD）和震顫為主（TD）兩型，不同臨床亞型PD患者疾病進展和預后有顯著差異［8］，提示不同運動癥狀的發(fā)病機制有可能不同。在PIGD和TD患者的99mTc-TRODAT-1顯像中對側(cè)紋狀體受累比同側(cè)紋狀體更明顯的現(xiàn)象一般發(fā)生于單側(cè)肢體發(fā)病的TD患者。而PIGD患者的左右紋狀體的攝取減低無明顯的不對稱性。值得注意的是，雙側(cè)肢體發(fā)病但未出現(xiàn)側(cè)傾的TD患者，其左右紋狀體之間也未發(fā)現(xiàn)明顯的不對稱性攝取減低［9］。99mTc-TRODAT-1顯像有助于不同臨床亞型PD患者的鑒別診斷及可能的發(fā)病機制的理解［10］。

1.3 基于99mTc-TRODAT-1顯像的影像組學在PD診斷中的應用 影像組學是一種基于計算機的醫(yī)學成像分析方法，能從常規(guī)的醫(yī)學影像圖像中提取更多的病灶信息，通常用來分析腫瘤病灶的CT、MRI或PET圖像［11］。在SPECT圖像分析領(lǐng)域的應用近來也有報道。Hsu等［12］使用邏輯回歸（LR）和支持向量機（SVM）對數(shù)據(jù)進行PD建模。研究結(jié)果顯示基于99mTc-TRODAT-1 DAT顯像的SVM模型可以為PD診斷和分級提供有價值的信息。

1.4 基于99mTc-TRODAT-1顯像的深度學習模型對PD診斷的價值 目前最常用的對99mTc-TRODAT-1 SPECT圖像信息提取的方法是感興趣區(qū)域（ROI）的勾畫。但ROI的勾畫存在技術(shù)上的局限性和觀察者偏倚，可能對半定量分析的結(jié)果產(chǎn)生影響。深度學習是屬于機器學習領(lǐng)域的一類方法，這類方法大多基于所使用的特定類型的人工神經(jīng)網(wǎng)絡，在醫(yī)學影像學中已有大量應用［13-14］。以99mTc-TRODAT-1 SPECT顯像結(jié)果建立深度學習模型來診斷PD的方法多有報道，但診斷效能不一［15-16］。Hsu等［16］利用深度學習方法來建立PD的分期診斷模型。該研究中基于99mTc-TRODAT-1腦SPECT顯像結(jié)果，以準確性、召回率、精度、F分數(shù)和Kappa值評估模型的性能。研究發(fā)現(xiàn)，盡管深度學習對PD分期有一定的準確性，但是CNN分期模型的建立非常耗時，并且其結(jié)果在臨床中的可解釋性很低。

Mohammed等［17］開發(fā)了一種基于CNN的深度學習模型，能夠根據(jù)健康對照者的SPECT圖像來區(qū)分PD患者，結(jié)果顯示該深度學習模型診斷PD的準確性為99.34%，靈敏性為99.04%，特異性為99.63%，有較好的診斷效能。

2 99mTc-TRODAT-1顯像在PD鑒別診斷中的應用

雖然PD和原發(fā)性震顫（ET）是兩類常見的不同運動障礙疾病，但是PD和ET之間存在重疊癥狀，越來越多的證據(jù)表明在某些患者中這兩種疾病有關(guān)聯(lián)和共存［18-19］，其鑒別診斷已成為臨床神經(jīng)病學的一個挑戰(zhàn)。Hossein-Tehrani等［20］比較了腦部MRI容量測定法和DAT顯像在疾病早期對PD與其他錐體束外綜合征的鑒別診斷價值。結(jié)果顯示，與MRI相比，99mTc-TRODAT-1在早期PD與非PD（尤其是ET）的鑒別中具有更高的準確性。

Sood 等［4］對比研究了99mTc-TRODAT-1 SPECT/CT和18F-DOPA PET/CT在PD、帕金森綜合征（PPS）和ET中的診斷價值，發(fā)現(xiàn)99mTc-TRODAT-1 SPECT/CT和18F-DOPA PET/CT均有助于鑒別ET患者與PD、PPS患者，但PD和PPS患者之間的平均攝取值沒有顯著差異，表明這兩種顯像方法均無法鑒別PD和PPS。Fallahi等［21］和Mittal等［22］也對PD和PPS患者的99mTc-TRODAT-1 SPECT圖像進行了分析，結(jié)果顯示99mTc-TRODAT-1 SPECT可對PD、PPS與健康對照組進行區(qū)分，但對PD和PPS無明顯的鑒別診斷價值。

3 99mTc-TRODAT-1顯像在PD疾病嚴重程度判斷中的應用

臨床上對PD嚴重程度的評估主要基于PD患者的UPDRS評分，但UPDRS評分存在一定的局限性，例如無法顯示PD進展的異質(zhì)性［23］。Patel等［24］研究發(fā)現(xiàn)，99mTc-TRODAT-1攝取率與UPDRS和運動評分呈負相關(guān)，與疾病病程呈弱的負相關(guān)關(guān)系，而與發(fā)病年齡無顯著相關(guān)性，此結(jié)果表明99mTc-TRODAT-1 SPECT可用于評估PD患者的疾病嚴重程度。Gupta等［9］研究顯示在PD患者的紋狀體所有相關(guān)區(qū)域中，隨著疾病嚴重程度的增加，紋狀體99mTc-TRODAT-1的攝取減少，疾病嚴重程度的增加與99mTc-TRODAT-1攝取率之間存在顯著的負相關(guān)關(guān)系。99mTc-TRO?DAT-1顯像結(jié)果與PD的嚴重程度有顯著相關(guān)性，并可顯示紋狀體DAT的活性，可作為UPDRS評價PD嚴重程度和疾病進展的有益補充。

4 小結(jié)

綜上所述，99mTc-TRODAT-1顯像在PD患者的診斷、鑒別診斷以及疾病嚴重程度的評估中具有廣泛的應用價值。此外，基于99mTc-TRODAT-1 SPECT顯像的影像組學分析和深度學習模型的建立可提高對PD診斷的準確性。