文献速递腹部技术与安全MR

多频磁共振弹性成像在预测胰腺神经内分泌肿瘤病理分级中的附加价值

Added value of multifrequency magnetic resonance elastography in predicting pathological grading of pancreatic neuroendocrine neoplasms.
PubMed 文献 · Insights Imaging · 2025-06-12

前瞻性单中心研究纳入96例未经治疗、病理确诊的胰腺神经内分泌肿瘤患者,术前2周内行多频磁共振弹性成像,测量肿瘤硬度(c)与流动性(φ)。多因素回归显示c和门静脉期相对强化程度(V)为病理分级的独立预测因子,联合模型(V+c)AUC达0.930,优于V(0.806)、c(0.847)和φ(0.709)单独应用。

要点

  • 多频MRE可定量测量胰腺神经内分泌肿瘤的硬度(剪切波速度c)与流动性(相位角φ)。
  • 肿瘤硬度c与门静脉期相对强化程度V是病理分级的独立预测因子。
  • 联合模型V+c预测高低级别pNENs的AUC为0.930,敏感度95.0%,特异度82.9%。

核心结论

  • 多频MRE定量的肿瘤硬度联合常规MRI参数可提高对pNENs病理分级的预测效能。
  • 联合模型(V+c)预测性能最佳,AUC为0.930,优于V、c、φ单独应用及其他临床和常规MRI参数。

研究设计与样本

  • 单中心前瞻性研究,纳入96例未经治疗、病理确诊的pNENs患者,于2021年9月至2023年11月间术前2周内行多频MRE检查。
  • 使用3-Tesla MRI系统(MAGNETOM Prisma;Siemens Healthcare)及18通道相控阵表面线圈,自由呼吸下、增强前采集30、40、50、60 Hz四个驱动频率的多频MRE数据。
  • 以手术病理(2017 WHO分类,依据核分裂率和Ki-67指数)为参考标准,低级别组包括G1和G2,高级别组包括G3和NEC。

关键影像表现/征象

  • 低级别pNENs的剪切波速度c中位值2.13 m/s低于高级别2.82 m/s(p<0.001),相位角φ中位值1.05 rad低于高级别1.18 rad(p=0.004)。
  • 低级别pNENs更多表现为动脉期、门静脉期和延迟期高强化,强化模式可区分两组(均p<0.001)。
  • 低级别pNENs肿瘤尺寸更小(27.0 mm vs 42.5 mm,p=0.008),瘤内坏死更少见(p=0.049)。
  • 年龄、性别、NSE、CA19-9、症状、肿瘤位置、肿瘤成分、瘤内出血和ADC值在两组间无显著差异。

诊断标准与关键数值

  • 剪切波速度c预测病理分级的AUC为0.847(95%CI:0.756–0.938),cutoff值2.57 m/s。
  • 门静脉期相对强化程度V的AUC为0.806(95%CI:0.699–0.912),延迟期相对强化程度D的AUC为0.821(95%CI:0.724–0.919)。
  • 联合模型(V+c)AUC为0.930(95%CI:0.876–0.984),敏感度95.0%,特异度82.9%,预测方程:预测值=−4.06−1.70*V+2.22*c。
  • 联合模型(V+c)优于c(p=0.021)、V(p=0.010)和D(p=0.018)。
  • 两位阅片者测量c的ICC为0.989(95%CI:0.984–0.993,p<0.001),测量φ的ICC为0.887(95%CI:0.835–0.923,p<0.001),强化模式κ=0.932(p<0.001)。

临床应用与阅片要点

  • 多频MRE可在术前无创定量评估pNENs的硬度和流动性,作为预测病理分级的影像生物标志物。
  • 将肿瘤硬度c与门静脉期相对强化程度V联合分析,可提高区分低级别与高级别pNENs的预测效能。
  • 测量时在肿瘤实性部分最大层面及相邻两层面手动勾画至少100 mm²的ROI,避开钙化、血管、坏死、囊变区和胰管扩张区。

局限性

  • 原文未报告局限性。
全文中译13 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Insights Imaging. 2025 Jun 12;16:119. doi: 10.1186/s13244-025-02008-3

引言

胰腺神经内分泌肿瘤(pNENs)涵盖从高分化神经内分泌瘤(NETs)到低分化神经内分泌癌(NECs)的一系列病变[1]。这两种实体在临床表现、流行病学数据、组织学特征和遗传学特征方面存在差异。2017年和2019年WHO分类提供了更新的诊断类别和标准,将NETs分为NET-G1、NET-G2和NET-G3。NECs包括低分化NENs和混合性神经内分泌-非神经内分泌癌[2]。

肿瘤分级和分化是临床行为的关键决定因素,并导致不同的淋巴结清扫范围、预后和治疗选择[3]。G1、G2和G3的5年生存率分别为77.33%、63.06%和20.04%[4]。然而,胰腺NECs患者的生存期通常不足1年[5]。pNENs的治疗选择必须基于原发灶大小、局部侵犯、淋巴结转移和远处转移来考虑[6–8]。根治性手术切除是局限期NETs和NECs的主要治疗方法。然而,对于局限期NECs,尽管接受了手术,许多患者仍出现快速疾病进展和高度转移播散倾向[7]。已有研究表明,对NECs采用新辅助治疗可导致分期降级、提高完全切除率并降低局部和全身复发风险[7]。此外,2023年ENETs指南提及对生长抑素受体(SSTR)阳性的局部晚期或寡转移G1和G2无功能型pNENs(NF-pNENs)使用术前肽受体放射性核素治疗(PRRT)[6]。因此,准确的pNENs分级对临床决策至关重要。

组织学检查是pNENs分级和分化的金标准[2, 9]。然而,作为一种有创检查,活检可能导致严重并发症,且pNENs的高度异质性可能导致病理结果差异[10, 11]。在应用CT对pNENs进行分级的研究中发现,与NETs相比,NECs更倾向于侵犯邻近结构并发生远处转移[12]。肿瘤灌注减低和低强化模式与低分化NENs相关[13, 14]。然而,NET-G2/G3也可能显示灌注减低[15]。PET/CT或PET/MRI可因生长抑素受体高表达而诊断高分化pNENs;然而,这些检查费用高昂且存在辐射顾虑[16]。

多频磁共振弹性成像(MRE)已成为一种新颖且有前景的无创方法,通过探索肿瘤组织的力学特性来区分良性与恶性肿瘤并预测肿瘤侵袭性[17–19]。与二维MRE相比,多频MRE通过在三维空间中同时利用多个单频数据,并结合抗图形噪声干扰的后处理算法,更全面地捕获组织的黏弹性特性[20, 21]。该方法有助于使所获取的参数与组织的真实物理特性相一致,从而产生对组织结构更精细的表示[22]。这反过来对于准确评估组织的生理和病理状态至关重要。多频MRE提供高分辨率弹性成像,可用于各种器官组织的常规检查,能够定量测量胰腺硬度和流动性[18–20, 23]。纤维化水平和细胞黏附的存在影响肿瘤硬度和流动性[17, 19, 24]。高级别pNENs表现出更显著的恶性生物学行为,引起细胞黏附改变,可用于预测肿瘤分级和分化[25]。

因此,我们假设多频MRE参数可能提高术前鉴别低级别与高级别pNENs的诊断精确性,最终有助于临床决策和个体化治疗规划。

材料与方法

研究人群

本单中心前瞻性研究经中山大学附属第一医院伦理委员会批准,所有患者均获得书面知情同意。纳入标准包括经病理确诊的pNENs患者,在2021年9月至2023年11月期间于手术前2周内接受胰腺多频MRE检查,且未经 prior 治疗。pNENs根据WHO 2017分类标准进行分级和分期:NET-G1、NET-G2、NET-G3和NEC类别。

排除标准包括检查期间无法配合并导致呼吸运动伪影的患者以及MRE数据不完整的患者。具体流程图见图1。

图1 研究流程图。MRE,磁共振弹性成像;pNENs,胰腺神经内分泌肿瘤;G1/2/3,1/2/3级;NEC,神经内分泌癌 查看原图 ↗

成像技术

MR序列与多频MRE

患者禁食禁水6–8小时后取仰卧位接受检查。多频MRE使用3-Tesla MRI系统(MAGNETOM Prisma;Siemens Healthcare)配合18通道相控阵表面线圈进行。MRI参数详情见表1。动脉期在注射对比剂(钆布醇注射液;Bayer AG;0.1 mL/kg)后20–35秒获得,门静脉期和延迟期分别在60秒和3分钟后获得[26]。方案信息见补充材料。

在对比剂给药前的自由呼吸状态下进行了多频MRE,使用30、40、50和60 Hz四个驱动频率,由两个压缩空气驱动器(8.0 × 4.0 × 1.0 cm)产生,分别置于胰腺表面投影的前方和后方[23]。多频波场数据在7分22秒内采集,使用单次激发自旋回波EPI序列,配备流量补偿运动编码梯度(MEGs),振幅为45 mT/m。对于30.00 Hz、40.00 Hz、50.00 Hz和60.00 Hz的振动频率,MEG频率分别为37.20 Hz、37.20 Hz、37.48 Hz和44.88 Hz。本研究中的MEG数据通过三个方向测量采集。此外,相位偏移数设定为8。

表1 胰腺MRI方案的序列参数 查看原表 ↗

多频MRE数据后处理

MRE数据使用https://bioqic-apps.com上公开可用的多频MRE流程进行处理[22]。多频MRE通过相应的反演算法获得空间梯度,并将其应用于二维和空间导数,从而实现对微小病灶的可靠测量[20]。它产生高分辨率弹性成像参数,生成剪切波速度(c)和复剪切模量损耗角(φ)的全视野高空间分辨率图[20]。由于c与复剪切模量的大小直接相关,可将其视为刚度的替代标志物[27]。复剪切模量的损耗角(φ)与组织的流动性特性相关,范围为0至π/2,标志着从固体到流体的流动性转变[19]。既往研究表明,该区域健康个体的胰腺刚度和流动性值分别为1.456 m/s和0.830 rad[27]。为便于与既往研究结果比较,在本研究结果中描述定量数据时,剪切波速度和相位角分别用于指代c和φ,而刚度和流动性代表定性数据。

图像评估

两名分别具有8年(阅片者1)和15年(阅片者2)腹部影像诊断经验的放射科医师评估了患者图像数据。他们在肿瘤实性部分最大层面及两个相邻层面上手动绘制了三个感兴趣区(ROIs),面积至少为100 mm²,避开钙化、血管、坏死和囊性区域及胰管扩张。记录每个ROI的平均值以获得每个病灶的总体测量值。阅片者1和2对组织病理学和临床结果不知情,使用Image J软件(版本1.5;美国国立卫生研究院,贝塞斯达,马里兰州,美国)测量所有患者的刚度和流动性,阅片者1在一个月后重复测量(阅片者1A)。记录每个ROI的平均值以获得每个病灶的总体测量值。初次测量两周后,两名放射科医师独立评估常规MR序列中的其他影像学特征,包括(1)肿瘤位置(头颈部或体尾部),(2)肿瘤大小(肿瘤最大直径)[28],(3)肿瘤成分,(4)坏死,(5)瘤内出血,(6)表观扩散系数(ADC)值(b = 800 s/mm²),以及(7)强化模式。评估的详细内容见补充材料。

临床和病理特征

一位未参与影像学特征评估的临床医生记录了临床特征,如年龄、性别、神经元特异性烯醇化酶(NSE)水平和碳水化合物抗原19-9(CA19-9)水平。两名具有5年诊断经验的病理学家在术后7天内共同对肿瘤标本进行肿瘤特异性免疫组化检测,并根据核分裂率和Ki-67指数评估组织学分级[1]。胰腺神经内分泌肿瘤的组织病理学分级按照2017年WHO肿瘤分类进行。所有病理学家对影像学结果设盲,并采用嗜铬粒蛋白A和突触素等免疫组化标志物来区分组织学分级。两名具有5年诊断经验的病理学家在术后7天内共同对肿瘤标本进行苏木精-伊红染色和肿瘤特异性免疫组化检测。具体免疫组化技术和指标详见补充材料。若评估结果存在争议,由一名具有22年临床经验的第三位病理学家进行评估并记录最终结果。在本研究中,低级别pNENs包括G1和G2,而高级别pNENs包括G3和NEC。

统计分析

采用Shapiro–Wilk检验判断正态分布[5],连续变量以均值±标准差或中位数(四分位距)表示,并采用Student's t检验或Kruskal–Wallis检验进行比较。分类数据以频数或百分比表示,并采用卡方检验或Fisher精确检验进行比较。观察者间/观察者内一致性通过Bland–Altman分析、组内相关系数(ICCs)和Kappa值(κ)进行评估,分为五类:0–0.20,轻微;0.21–0.40,一般;0.41–0.60,中等;0.61–0.80,高度;0.81–1.00,近乎完美[29, 30]。所有特征均纳入单因素逻辑回归分析,所得特征先经LASSO回归分析筛选,再进行多因素逻辑回归分析。进行受试者工作特征(ROC)曲线分析以确定并比较多频MRE与常规MRI的诊断性能。计算曲线下面积(AUC)、灵敏度和特异度,并根据Youden指数选择截断值。AUC采用Delong检验进行比较。统计分析使用SPSS(版本24.0;SPSS Inc.)、MedCalc软件(MedCalc Software Ltd.)和GraphPad Prism(版本5.01,GraphPad Prism for Windows)进行。统计学显著性定义为p < 0.05。

结果

患者和病灶特征

本研究纳入96例pNENs患者,分为两组:76例低级别pNENs患者(45例男性;平均年龄:48.7 ± 14.0岁)和20例高级别pNENs患者(10例男性;平均年龄:54.4 ± 13.8岁)。表2和图2展示了纳入患者的一般特征。低级别pNENs患者的肿瘤体积更小(27.0 mm vs. 42.5 mm,p = 0.008),且瘤内坏死发生率低于高级别pNENs患者(p = 0.049)。低级别pNENs在动脉期、门脉期和延迟期更常表现为高强化,强化模式可区分两组(均p < 0.001)。低级别pNENs的中位剪切波速度(c)(2.13 m/s vs. 2.82 m/s;p < 0.001)和相位角(φ)(1.05 rad vs. 1.18 rad;p = 0.004)值较低。年龄、性别、NSE水平、CA19-9水平、症状、肿瘤位置、肿瘤成分、瘤内出血和ADC值在两组间无显著差异。图3展示了不同级别pNENs的病例。实际波图像示例见补充材料。

表2 患者基线特征及pNENs不同特征的单因素分析 查看原表 ↗
图2 相关影像学特征的统计图表。a、b 小提琴图显示低级别和高级别胰腺神经内分泌肿瘤的硬度(a)和流动性(b)。c、g 柱状图表示肿瘤大小(c)和强化模式(g)。d–f 缩放柱状图展示瘤内坏死(d)和肿瘤强化(e、f)。G1/2/3,1/2/3级;NEC,神经内分泌癌 查看原图 ↗
图3 高级别和低级别pNENs的临床病例。a1–8 一名66岁女性,诊断为pNEN(G2)。a1–3 轴位T1WI、T2WI和T2WI-fs图像显示胰头实性病灶(箭头)。a5–7 动态增强图像显示3型强化模式(三个期相均呈等强化)。a4、a8 c = 2.29 m/s;φ = 1.03 rad。b1–8 一名52岁男性,诊断为pNEN(G3)。b1–3 轴位T1WI、T2WI和T2WI-fs图像显示胰尾实性病灶(箭头)。b5–7 动态增强图像显示4型强化模式(动脉期和门静脉期与胰腺实质相比呈低强化,延迟期呈等强化)。b4、b8 c = 3.24 m/s;φ = 1.88 rad。pNENs,胰腺神经内分泌肿瘤;G1/2/3,1/2/3级;T1WI,T1加权成像;T2WI,T2加权成像;fs,脂肪饱和;c,剪切波速度(硬度);φ,相位角(流动性);AP,动脉期;VP,门静脉期;DP,延迟期 查看原图 ↗

多频MRE的ICC

Bland–Altman分析显示,两名读者在胰腺剪切波速度(c)(图4a、b)和相位角(φ)(图4c、d)测量方面具有近乎完美的一致性。ICC显示c(0.989,95%置信区间(CI):0.984–0.993,p < 0.001)和φ(0.887,95% CI:0.835–0.923,p < 0.001)具有近乎完美的一致性。强化模式观察到中度至近乎完美的一致性(κ = 0.932,p < 0.001)。其他特征的ICC和kappa值见补充材料。

图4 阅片者一致性的Bland–Altman分析。阅片者1:图像的第一次测量。阅片者1A:1个月后对图像的第二次测量。阅片者2:图像的测量。a、b 胰腺硬度阅片者一致性的Bland–Altman分析;c、d 胰腺流动性阅片者一致性的Bland–Altman分析 查看原图 ↗

预测pNENs病理分级的相关特征

临床和影像学特征的单因素分析显示,NSE(p = 0.03;比值比(OR),1.01;95% CI:1.00–1.02)、肿瘤大小(p = 0.003;OR,1.04;95% CI:1.01–1.06)和坏死(p = 0.03;OR,3.21;95% CI:1.11–9.25)、动脉期相对强化程度(A)(p < 0.001;OR,0.27;95% CI:0.14–0.52)、门静脉期相对强化程度(V)(p < 0.001;OR,0.18;95% CI:0.07–0.42)、延迟期相对强化程度(D)(p < 0.001;OR,0.12;95% CI:0.04–0.32)、剪切波速度(c)(p < 0.001;OR,5.00;95% CI:2.16–11.53)和相位角(φ)(p = 0.006;OR,1.50;95% CI:1.12–2.01)与pNENs病理分级的预测相关(表2)。并且我们对单因素logistic分析中这八个显著特征进行了多重共线性分析。结果显示,上述八个特征均不存在共变,提示它们彼此不相关(表S1)。通过LASSO回归分析从上述单因素分析中显著的参数中筛选出V、D和c三个参数(图5)。随后将上述三个参数纳入多因素回归分析,仅V(p < 0.001;校正OR,0.18;95% CI:0.07–0.47)和c(p < 0.001;校正OR,9.23;95% CI:2.80–30.42)是pNENs病理分级的独立预测因素。

图5 LASSO回归的特征选择。a1、b1 LASSO回归调和参数(λ)的选择。曲线下面积(AUC)对log(λ)作图,采用五折交叉验证在a1模型中选择λ的最佳值(0.153),在b1模型中选择λ(0.124)。a2、b2 特征的LASSO系数分布,每条彩色线代表每个特征的系数。在所选log(λ)(−1.875)和log(λ)(−2.085)处分别绘制一条垂直黑线,此处获得的非零系数在非MRE参数中为一个(D),在所有参数中为三个(V、D、c)。a1、a2 非MRE参数。b1、b2 所有参数。LASSO,最小绝对收缩和选择算子;V,病变在门静脉期的相对强化程度;MRE,磁共振弹性成像;D,病变在延迟期的相对强化程度;c,剪切波速度(硬度) 查看原图 ↗

相关临床和影像学特征及联合模型的性能

我们评估了经LASSO回归分析筛选出的三个用于预测pNENs病理分级的参数:c(AUC,0.847;95% CI:0.756–0.938;截断值,2.57 m/s)、V(AUC,0.806;95% CI:0.699–0.912)和D(AUC,0.821;95% CI:0.724–0.919)。单因素分析中其他参数的诊断性能结果详见补充材料(表S2和图S1)。多因素回归分析得出的两个参数被组合成一个模型(V + c),组合模型(V + c)的方程为“预测值 = −4.06 − 1.70*V + 2.22*c”。与其他参数相比,组合模型(V + c)(AUC,0.930;95% CI:0.876–0.984)分别优于c(p = 0.021)、V(p = 0.010)、D(p = 0.018),表现出最佳的预测性能。(表3和图6)。

表3 影像学特征及各模型鉴别低级别/高级别pNENs的性能 查看原表 ↗
图6 受试者工作特征曲线。与其他影像学特征(V、D和c)相比,组合模型(V + c)表现出最高的预测性能(AUC = 0.930)(均p < 0.05)。V,门静脉期病灶相对强化程度;D,延迟期病灶相对强化程度;c,剪切波速度(硬度) 查看原图 ↗

讨论

pNENs的病理分级对于确定临床治疗策略和预后至关重要[1]。我们的结果表明,多频磁共振弹性成像(MRE)参数提高了常规MRI参数在判断pNENs病理分级方面的预测效能。与其他参数相比,使用硬度(c)和门静脉期病灶相对强化程度(V)构建的组合模型表现出最高的预测性能。

多频磁共振弹性成像(MRE)是一种有前景的非侵入性方法,对于小器官和腹膜后器官(如胰腺),其相比单频MRE具有独特优势。这是因为多频MRE的振动波能有效传递至器官,确保分辨率并提高测量准确性[20]。此外,多频MRE能够重现丰富的组织细节,并通过结合抗图形噪声干扰的后处理算法减少图像失真[21]。此外,我们的结果表明,不同资历的放射科医生对胰腺多频MRE参数的测量显示出极好的一致性,且结果可在短期内通过重复扫描重现[27],这证明了多频MRE设备在胰腺疾病应用中的可靠性。肿瘤的力学特征提供重要的诊断信息[31]。多频MRE可以定量测量胰腺硬度和流动性,在一定程度上反映病变的病理特征。一些研究已证明纤维化程度与组织硬度呈正相关[32]。此外,NETs已被证明通常与纤维化相关[33],而具有广泛纤维化特征的pNENs已被确定为具有侵袭性[34, 35]。更具侵袭性的pNENs具有更高的硬度[18];这与我们的发现相似,即G3和NEC更具侵袭性,具有更明显的纤维化特征以及高硬度值。Gao等人证明NEC表现出与胰腺导管腺癌(PDAC)中所观察到的相当的肿瘤微环境[36]。PDAC的特征是独特的促结缔组织增生性肿瘤微环境,导致大量组织纤维化[37]。促结缔组织增生性间质损害免疫细胞、肿瘤血液灌注和氧输送,从而阻碍血管生成[38]。这导致病变局部血液灌注减少,这与我们的观察一致,即与G1和G2相比,G3和NEC在动脉期、门静脉期和延迟期相对于胰腺实质表现出明显的低强化。我们的研究通过多次测量肿瘤实体分析了总体硬度的差异,证明了未来对pNENs纤维化水平进行非侵入性定量分析的可行性。

在我们的研究中,G3和NEC的流动性高于G1和G2。既往研究报道,流动性 correlates with 恶性肿瘤的侵袭性,因为它反映了细胞黏附于肿瘤组织的能力[19]。侵袭性更强的肿瘤更易侵犯周围组织并积聚更多疏水性、排列紊乱的蛋白质,从而增加组织机械摩擦,导致更高的流动性[31]。G3和NEC表现出比G1和G2更显著的恶性生物学行为,呈现出更高的侵袭性和流动性。尽管流动性作为多频磁共振弹性成像(MRE)的另一项优越指标,最终未纳入联合模型,但流动性在单因素分析中表现优越。既往研究显示,在癌症进展过程中,侵袭性和转移性肿瘤细胞可能适应性软化,以促进肿瘤通过狭窄的组织间隙迁移[39]。合理推测流动性在区分G3和NEC方面具有更大潜力,但由于可纳入的G3和NEC样本量较小,无法在此基础上进一步分割,我们将在未来进一步探讨这一方面。

肿瘤强化模式有助于预测pNENs的病理分级,V被确定为独立预测因子。这与既往两项关于动态增强CT的研究一致,这些研究表明门静脉期强化程度是区分高分化和低分化pNENs的有效征象[12, 40]。在我们的研究中,与G1和G2相比,G3和NEC在动脉期、门静脉期和延迟期均表现为低强化,与既往研究一致[13, 14]。在pNENs中,微血管密度低提示预后不良和转移风险升高[25]。高分化pNENs(G1和G2)中血管内皮生长因子受体和血小板衍生生长因子受体通路过表达,导致肿瘤内新生血管密度增加和局部血供增多[41],相对于胰腺实质表现为高强化。相反,高级别pNENs比低级别pNENs更易发生血管侵犯和微血栓形成,导致病灶局部坏死并表现为血供减少[42]。尽管在LASSO回归分析中,V、D是区分G3和NEC与G1和G2的有效指标,但D在多因素回归分析中被排除。然而,如上所述,D在pNENs的鉴别中保留了其潜在价值,NEC可导致显著的组织纤维化[36, 37]。而间质和纤维化成分丰富的病灶在增强扫描中往往表现为延迟强化[43]。因此,我们推测D在区分NEC与G3方面可能具有信息价值。

在其他临床和影像学特征中,神经元特异性烯醇化酶(NSE)水平、肿瘤大小和坏死与pNENs的病理分级相关。本研究中G3和NEC的NSE表达水平较高,这与一项报道一致,即NSE对诊断低分化NEC更为敏感[1]。此外,多项研究发现高级别pNENs的NSE表达高于低级别pNENs[44],且NSE水平与患者预后相关[45]。我们的结果显示,G3和NEC的肿瘤直径大于G1和G2,这与既往研究结果一致[40]。高级别pNENs比低级别pNENs更易发生坏死,与既往研究一致[46]。这是因为高级别pNENs具有更高的Ki-67增殖指数(> 20%)和更快的细胞增殖。这导致肿瘤细胞对营养和氧的需求急剧增加,而肿瘤内血管生成往往无法满足这种快速生长,导致局部缺血和缺氧,进而引发坏死[47]。

根据“ENETS 2023无功能性胰腺神经内分泌肿瘤指南”[6],当NF-pNENs小于2 cm且无转移或区域淋巴结侵犯时,可能不需要立即手术,但需要定期随访。我们的研究表明,多频磁共振弹性成像(MRE)相关参数(硬度、流动性)可以无创地预测小于2 cm(N0、M0)的pNENs为低级别pNENs,尤其是G1,这可能增强临床医生做出随访观察临床决策的信心。相反,如果MRE参数提示病变可能为G3或NEC,即使病变符合随访指征,也可能需要认真考虑手术切除作为改善长期预后的积极策略。此外,生长抑素受体(SSTR)表达和Ki-67 > 55%对pNENs的治疗选择和预后预测也非常重要[6, 7]。因此,多频MRE在pNENs中的应用可以结合这些生物标志物进一步探索。值得一提的是,MRE与DOTATATE-PET/CT和FDG-PET/CT的联合应用可以进一步提高鉴别高、低级别pNENs的准确性。在怀疑神经内分泌肿瘤的病例中,尽管DOTATATE-PET/CT和FDG-PET/CT扫描均显示低摄取,如果MRE提示病变硬度高,仍应适当考虑G3和NEC的可能性,以减少误诊的发生。

尽管这些发现令人鼓舞,但本研究存在一些局限性。第一,这是一项单中心研究,凸显了未来多中心研究中纳入更多患者并对结果进行外部验证的必要性。第二,我们未研究不同MRI场强和不同制造商设备对结果的潜在影响。第三,多频MRE的感兴趣区(ROI)与病理评估并未完全匹配。因此,未来我们将尝试通过空间映射和容积分析将全肿瘤硬度和流动性与全肿瘤病理进行关联,以进一步探索多频MRE参数的作用。最后,本研究未进一步区分G3和NEC,需要纳入更多样本以阐明多频MRE在区分pNENs G3和NEC方面的效用。

总之,本研究表明,多频磁共振弹性成像(MRE)参数提高了常规MRI参数在预测pNENs病理分级方面的预测效能。联合模型(V + c)的预测性能优异,这意味着门静脉期病灶相对于胰腺实质的低强化和硬度增加高度提示G3和NEC的可能性。我们建议在pNENs治疗前的MRI检查中增加多频MRE,仅增加5–7分钟的扫描时间,而不增加对比剂的使用和辐射影响。这可能有助于临床决策和预后预测。

补充信息

电子补充材料

引用

  1. Yuan J, Liu J, Wen T, et al. Added value of multifrequency magnetic resonance elastography in predicting pathological grading of pancreatic neuroendocrine neoplasms. Insights Imaging. 2025. PMID: 40506609. doi:10.1186/s13244-025-02008-3
  2. 全文:PMC12162458(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12162458/

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。