基于 CT、MRI 和 EUS 术前预测胰腺神经内分泌肿瘤分级，为精准诊疗导航

《Abdominal Radiology》：Preoperative prediction of pancreatic neuroendocrine tumors grade based on computed tomography, magnetic resonance imaging and endoscopic ultrasonography

为精准预测胰腺神经内分泌肿瘤（PanNETs）病理分级，研究人员基于 CT、MRI 和 EUS 构建模型，提升诊疗精准度。

　　### 探秘胰腺神经内分泌肿瘤：精准分级，影像先行
在人体的消化系统中，胰腺犹如一颗 “低调” 却至关重要的 “小宝石”，默默发挥着多种关键作用。而胰腺神经内分泌肿瘤（Pancreatic neuroendocrine tumors，PanNETs）却像藏在这颗 “宝石” 里的 “暗礁”，悄然威胁着人们的健康。PanNETs 是一类高度异质性的肿瘤，约占所有神经内分泌肿瘤的 7%，每 10 万人中就有 0.8 人发病。它如同一个复杂的 “谜题”，根据国际癌症研究机构 - 世界卫生组织（IARC-WHO）的分类框架，依据有丝分裂率和 Ki-67 增殖指数，被分为 1 级、2 级、3 级以及胰腺神经内分泌癌（PanNECs）。

不同分级的 PanNETs，在治疗策略和预后上有着天壤之别。就像面对不同难度的关卡，需要不同的 “通关秘籍” 一样。1 级 PanNETs 患者的 5 年生存率可达 79.54%，而 3 级患者却仅有 22.53%。治疗方案的选择紧密依赖于肿瘤的病理分级，手术与否、采用何种手术方式，都与肿瘤的大小、位置、组织病理学分级和分期息息相关。然而，在手术前精准判断 PanNETs 的病理分级，一直是医学界的一大挑战。

传统的单一影像学检查方法，如计算机断层扫描（CT）、磁共振成像（MRI）和内镜超声（EUS），都存在各自的 “短板”。CT 是多数 PanNETs 患者的首选检查，但对于小尺寸的肿瘤，它就像一个 “睁眼瞎”，超过 68% 直径小于 10mm 和 15% 直径在 11 - 20mm 的 PanNETs 都难以被其发现；MRI 虽然能在 CT 表现不明确时 “救场”，对肝脏和淋巴结转移的小病灶检测能力也不错，但在预测病理分级方面也有局限性；EUS 虽对小病灶（2 - 5mm）的诊断敏感性高达 86 - 89%，但 EUS 引导下的细针穿刺（EUSFNA）获取的病理结果，因活检部位的随机性和组织样本量有限，无法精准反映整个肿瘤的增殖状态，且穿刺存在一定风险。

为了攻克这一难题，南京大学医学院附属鼓楼医院的研究人员勇挑重担，开展了一项极具意义的研究。他们的研究成果发表在《Abdominal Radiology》上，为 PanNETs 的术前精准诊断带来了新的曙光。

研究人员采用回顾性研究方法，收集了 2020 年 1 月至 2023 年 6 月期间经手术和病理证实的 PanNETs 患者的临床资料。在严格的纳入和排除标准筛选后，最终 58 例患者被纳入研究。

在检查方法上，研究人员充分利用了 CT、MRI 和 EUS 的优势：

• CT 检查：患者在仰卧位下，使用多排螺旋 CT 进行扫描，从右膈至耻骨联合，详细记录了包括肿瘤位置、大小、囊性变、胰管扩张（PDD）、胰腺萎缩、钙化、肿瘤边缘、增强情况、动脉增强比（AER）和门静脉增强比（PER）等多种特征。
• MRI 检查：运用 3.0 - T 或 1.5 - T 设备进行扫描，涵盖常规的轴向、矢状和冠状 T1 加权、T2 加权脂肪抑制序列以及磁共振胰胆管造影（MRCP），由两位经验丰富的放射科医生独立评估肿瘤在不同序列下的信号强度。
• EUS 检查：在麻醉状态下，使用径向或线性超声内镜对患者进行检查，并对肿瘤进行弹性成像评分，评分标准从 1（对应正常组织）到 5（代表晚期恶性病变伴坏死区域），用于反映肿瘤组织的硬度和特征。

研究结果

1. 患者特征：58 例患者中，男性 35 例，女性 23 例，平均年龄 56.9 岁。肿瘤多位于胰体或胰尾（74.1%），平均直径 2.6cm。其中，1 级 29 例，2 级 23 例，3 级 6 例。
2. 临床和影像学特征差异：性别、肿瘤大小、PDD、肿瘤边缘、AER 和 PER 在 PanNETs G1 和 G2/3 之间存在显著差异。G2/3 肿瘤更易发生于女性，尺寸更大，PDD 发生率更高，边缘更模糊，AER 和 PER 更低。MRI 的 T1WI、T2WI 和 DWI 信号强度及增强异质性在不同分级间无显著差异。
3. 独立预测因素：多变量逻辑回归分析显示，性别、PDD 和 PER 是区分 PanNETs G2/G3 与 G1 的独立预测因素。
4. 弹性成像评分的价值：对 25 例接受 EUS 检查患者的弹性成像评分进行单因素分析，发现 G1 和 G2/3 之间差异显著，G2/3 患者评分更高。
5. 预测性能比较：通过受试者工作特征曲线（ROC）分析，性别、PDD 和 PER 的 AUC 分别为 0.690、0.638 和 0.791，三者联合时 AUC 提升至 0.925。弹性成像评分的 AUC 为 0.838。

研究结论与意义

研究证实了增强 CT 和 EUS 联合在预测 PanNETs 术前病理分级方面的有效性。性别、PDD、PER 和弹性成像评分的综合运用，显著提高了术前预测 PanNETs 分级的准确性。这一研究成果为临床医生提供了更精准的诊断依据，有助于制定更个性化的治疗方案，改善患者的预后。

不过，该研究也存在一些局限性，如单中心回顾性研究、样本量较小、未进一步区分 G2 和 G3 等。未来还需要大规模的前瞻性研究，进一步明确这些指标在 PanNETs 分类预测中的作用。但无论如何，这项研究都为 PanNETs 的诊疗开辟了新的道路，让我们朝着精准医疗的目标又迈进了一步。