文献速递腹部技术与安全CT

术前通过门静脉期CT图像分析预测胰腺神经内分泌肿瘤的微血管侵犯

Preoperative prediction of microvascular invasion in pancreatic neuroendocrine tumors through analysis of portal venous phase CT images.
PubMed 文献 · Insights Imaging · 2025-09-25

该回顾性研究纳入160例训练组和28例验证组胰腺神经内分泌肿瘤患者,用门静脉期CT特征预测微血管侵犯。周围组织侵犯、绝对强化值和相对强化率是独立预测因素,训练组AUC 0.819,验证组AUC 0.891。有微血管侵犯者中位总生存12个月,无微血管侵犯者37.5个月(log-rank p=0.034)。

要点

  • 门静脉期CT显示周围组织侵犯、绝对强化值低和相对强化率低是微血管侵犯的独立预测因素。
  • 训练组模型AUC 0.819,敏感度64%、特异度90.4%;验证组AUC 0.891,敏感度87.5%、特异度65%。
  • 有微血管侵犯者中位总生存12个月,无微血管侵犯者37.5个月,log-rank p=0.034。

核心结论

  • 门静脉期CT图像特征可用于准确预测胰腺神经内分泌肿瘤患者是否存在微血管侵犯。
  • 有微血管侵犯的患者与无微血管侵犯者相比生存更差。
  • 基于网络的R/shiny应用可实时提供数据驱动的预测估值,以促进知情决策。

研究设计与样本

  • 回顾性研究,训练组160例(无微血管侵犯135例、有微血管侵犯25例)来自机构1(2010年1月至2022年12月,n=130)和机构2(2009年1月至2023年3月,n=30)。
  • 验证组28例(无微血管侵犯20例、有微血管侵犯8例)来自机构1(2023年1月至2023年12月,n=21)和机构2(2023年4月至2024年4月,n=7),验证组数据在训练组模型建立后收集。
  • 采用多排CT(至少16排探测器),对比剂以3 mL/s静脉注射,门静脉期在注射后45–60秒采集,多数约60秒,管电压120 kVp、管电流150–350 mAs,层厚3.0–5.0 mm,2020年后门静脉期加1.25 mm薄层重建。
  • 参考标准为手术病理确认的微血管侵犯状态;CT与手术平均间隔8天(范围1–59天)。

关键影像表现/征象

  • 有微血管侵犯的胰腺神经内分泌肿瘤较无微血管侵犯者最大径更大(中位36.7 mm vs 23.4 mm,p=0.001)。
  • 有微血管侵犯者不规则形态比例更高(56.0% vs 21.5%)、周围组织侵犯比例更高(44.0% vs 7.4%)、淋巴结转移比例更高(32.0% vs 7.4%)、肝转移比例更高(32.0% vs 4.4%),均p<0.05。
  • 有微血管侵犯者门静脉期病灶强化值更低(中位90 vs 111.0 HU)、强化比更低(1.02±0.24 vs 1.23±0.39)、绝对强化值更低(中位51.0 vs 73.0 HU)、相对强化率更低(中位1.31 vs 1.85),均p<0.05。
  • 肿瘤位置(体/尾52.0% vs 52.6%)、胰管扩张(12.0% vs 14.8%)、钙化(24.0% vs 17.0%)、肿瘤质地(实性72.0% vs 63.7%)在有无微血管侵犯组间无显著差异(均p>0.05)。

诊断标准与关键数值

  • 多因素分析确定微血管侵犯独立预测因素:周围组织侵犯OR 4.12(95%CI 1.19–14.3)、绝对强化值OR 0.84(95%CI 0.72–0.97)、相对强化率OR 16.1(95%CI 1.54–167.81),均p<0.05。
  • 训练组模型AUC 0.819(95%CI 0.720–0.917),敏感度64%、特异度90.4%;验证组AUC 0.891(95%CI 0.751–1.0),敏感度87.5%、特异度65%。
  • 绝对强化值≤80 HU时诊断微血管侵犯的敏感度88%、特异度43.7%;>150 HU时敏感度0%、特异度94.1%。
  • 相对强化率≤200%(即2.0)时敏感度80%、特异度43%;>400%时敏感度0%、特异度93.3%。
  • 预测微血管侵犯的最佳截断值为0.304,敏感度0.64、特异度0.904。

临床应用与阅片要点

  • 阅片时可关注门静脉期肿瘤的绝对强化值和相对强化率,两者降低提示微血管侵犯可能。
  • 周围组织侵犯(包括邻近组织/器官/血管受累、静脉血栓和血管闭塞)是需要重点观察的定性征象。
  • 作者开发了基于网络的R/shiny应用(https://xmfchy.shinyapps.io/shinyapp/),可输入相关数值实时计算微血管侵犯概率。
  • 多因素逻辑回归公式为:f(x)=1.84×周围组织侵犯+1.961×肝转移−0.165×绝对强化值+2.536×相对强化率+0.081×门静脉期病灶强化值−4.490,预测概率=exp(f(x))/(1+exp(f(x)))。

局限性

  • 验证组随访时间短,生存分析仅使用训练组数据。
  • 由于数据收集时间跨度长,使用了多种CT扫描方案。
  • 原文指出CT影像特征尚未用于预测微血管侵犯,需进一步研究以改善临床决策。
全文中译18 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 Sep 25;16:206. doi: 10.1186/s13244-025-02091-6

引言

胰腺神经内分泌肿瘤(PNETs)是一组高度异质性的肿瘤,由于CT的广泛应用和早期检出率的提高,其发病率有所上升[1]。根治性手术通常被认为是局限性PNETs的确定性治疗方法[2, 3]。PNETs的组织病理学评估对于预后判断和治疗个体化至关重要,与特定的形态学特征相关[4, 5]。根据Ki-67指数和核分裂计数,PNETs分为1级(G1)、2级(G2)、3级(G3)和神经内分泌癌(NECs)[6]。此外,PNETs的生物学异质性差异很大,从高分化肿瘤到低分化肿瘤,即使在小病灶中也是如此[7]。

微血管侵犯(MVI)是一个重要的组织学参数,在PNETs手术标本中的检出率为14%至37.6%,已被确定为总生存期和无复发生存期的强独立危险因素,即使在1级患者和接受局限手术的患者中也是如此[8–11]。然而,对MVI的本质仍知之甚少,现有知识有限。术前预测MVI的因素仍然是一个持续存在的挑战,但具有重要的临床意义。

增强CT影像特征已被广泛研究用于PNETs的分级、鉴别、侵袭性和生存结局,但其在预测MVI方面的应用在很大程度上尚未被探索[12–16]。MVI与肿瘤直径>20 mm、神经周围侵犯和远处转移一起被确定为与淋巴结转移相关的独立危险因素[17]。同时,MVI也与Ki-67指数相关,在一定程度上提供了对肿瘤异质性的认识[18]。CT影像特征尚未被用于预测MVI,值得进一步研究以改善临床决策。在实际中部署模型具有挑战性。在R中开发的shiny应用提供了用于实时数据可视化、疾病预测和决策的交互式界面,已在小型研究中得到使用[19, 20],但目前尚无针对PNETs的专门报道。

从门静脉期图像中识别定性特征已被证明是预后分析和鉴别诊断中的有价值参数[16, 21, 22]。因此,本项当前的多中心人群基础研究的目的是利用门静脉期CT图像的临床和影像特征来准确预测术前MVI的存在。此外,我们还开发了一个基于网络的R/shiny应用,用于使用临床参数预测PNETs中的MVI。还进行了不同PNET患者亚组间的生存分析。

材料和方法

本回顾性研究经浙江大学医学院附属第二医院伦理委员会(批准号:2021-0554)和浙江省肿瘤医院伦理委员会(批准号:IRB-2024-1321)批准,豁免了书面知情同意的需要。

研究人群

我们研究中的所有患者均经手术确诊为胰腺神经内分泌肿瘤(PNETs)。训练数据由连续的组织病理学确诊为PNETs的患者组成,分别对机构1(浙江大学医学院附属第二医院)2010年1月至2022年12月(n = 130)和机构2(浙江省肿瘤医院)2009年1月至2023年3月(n = 30)的病例进行回顾性分析。此外,验证组收集自机构1 2023年1月至2023年12月(n = 21)以及机构2 2023年4月至2024年4月(n = 7)。值得一提的是,验证组的数据是在训练组模型建立之后收集的;这种方法与前瞻性验证具有相似的效果。

纳入标准如下:(1)经手术确诊为PNETs且病理学中有MVI状态;(2)术前2个月内行增强CT检查;(3)CT检查前未接受过治疗。排除标准如下:(1)经活检确诊为PNETs或缺乏MVI信息;(2)病灶过小或不可见;(3)因严重萎缩或图像质量差而无法勾画ROI。对于多发病灶的患者,仅纳入最大的病灶进行进一步分析。最终,训练组共纳入160例患者(非MVI,n = 135;MVI,n = 25),验证组纳入28例患者(非MVI,n = 20;MVI,n = 8)(图1)。CT扫描与手术之间的平均间隔为8天,范围为1至59天。

图1 本研究中患者纳入与排除标准流程图 查看原图 ↗

CT技术

由于数据收集持续时间较长,使用了多种CT扫描方案(补充材料1)。CT图像采用至少16排探测器的多排探测器系统采集。对比剂通过自动高压注射器以3 mL/s的速率经静脉团注。门静脉期图像在对比剂注射后45–60 s采集,大多数扫描约在60 s时进行。选择此时相是为了确保门静脉及周围结构的最佳对比增强,同时兼顾繁重的临床工作需求并保持效率。图像采集方案使用120 kVp和150–350 mAs,层厚范围为3.0至5.0 mm。此外,对于2020年之后获得的图像,在门静脉期进行了1.25 mm薄层重建。

图像分析

图像特征由两名腹部放射科医师(分别具有6年和8年胰腺影像诊断经验)在不知晓病理结果的情况下以共识方式评估,二人均具备该领域的专业知识。

定性分析

收集人口学信息,包括年龄、性别、症状和肿瘤标志物。肿瘤标志物升高定义为糖类抗原19-9或25、或癌胚抗原升高。总生存期为从手术至死亡的时间。删失数据包括末次随访(2024年4月1日)时仍存活的患者或无故失访的患者。由于验证组随访时间较短,仅使用训练组的生存数据。此外,功能状态和肿瘤分级作为补充信息进行描述。

定性因素列出如下:肿瘤位置(头/颈部 vs. 体/尾部)、胰管扩张(主胰管直径 ≥ 3 mm [14])、钙化、形状(圆形 vs. 不规则)、肿瘤质地(实性 vs. 实性和囊性)、周围组织侵犯(累及邻近组织/器官/血管,包括静脉血栓和血管闭塞)、淋巴结转移(短径大于 1 cm,伴异常圆形形态或中心坏死 [23])以及肝转移(存在多个外周强化/富血供病灶 [24],如有条件,以 MRI 作为参考)。圆形形状定义为肿瘤在超过 80% 的横截面中呈圆形或椭圆形外观,而不规则形状为在超过 20% 的截面中呈非圆形或有棱角的形状 [14]。实性肿瘤定义为实性成分 > 90% 的肿瘤,其余归类为实性和囊性成分。血管侵犯采用胰腺癌血管侵犯标准评估,依据肿瘤与血管之间周向接触程度(> 180°),或血管轮廓不规则或管径改变(包括“泪滴”样变形)[23]。

基于本机构的手术策略和指南推荐 [25, 26],对于肝转移可切除的患者,可同期行原发肿瘤和肝转移灶手术。对于不可切除的病例,可考虑切除原发肿瘤以减少肿瘤负荷,同时兼顾患者意愿。

定量分析

所有定量测量均重复进行两次,取平均值进行分析。最大直径(mm)在轴位图像上测量。胰腺神经内分泌肿瘤(PNET)肿瘤及周围正常实质的亨氏单位(HU)值分别在平扫期和门静脉期采集。HU 值通过在肿瘤最大直径处勾画圆形或卵圆形感兴趣区(ROI)获得,避开钙化、坏死、囊性和出血区域。在邻近正常实质中手动勾画可比 ROI,避开胰管、血管、肿瘤边缘以及受胰腺炎或脂肪浸润影响的区域。门静脉期的肿瘤和实质 ROI 转移至平扫期,必要时进行调整校正,确保平扫期与增强期 ROI 高度吻合。

纳入的 CT 增强变量如下:(1)强化比计算为增强期肿瘤衰减值/邻近实质衰减值;(2)绝对强化定义为增强期肿瘤 HU 值减去平扫期肿瘤 HU 值;(3)相对强化比计算为绝对强化值除以平扫期肿瘤 HU 值(× 100%)[13, 27]。

仅在验证组(n = 28)中选择部分参数(门静脉期病灶强化、强化比、绝对强化、相对强化比)计算组内相关系数(ICC),以评估观察者间稳定性和可重复性。ICC > 0.9 时认为结果稳定 [28]。

统计分析

定性数据以数量和百分比报告,使用卡方检验或Fisher精确检验。定量数据以均值±标准差或中位数(25–75%)表示,采用Student t检验或Mann–Whitney U检验。在训练组中,采用后向逐步选择的多变量logistic回归确定MVI的独立预测因素,仅纳入单变量分析中p < 0.05的参数。记录比值比(OR)和95%置信区间(CI),并生成森林图。受试者工作特征(ROC)分析评估所选因素对MVI的预测性能,包括曲线下面积(AUC)、敏感性和特异性。计算绝对和相对增强比的敏感性和特异性阈值。基于logistic回归公式,在R(版本4.1.2)中使用‘shiny’、‘ggplot2’和‘plotly’包开发了一个基于网络的shiny应用程序(shiny 1.7.5)。采用双向随机模型确定组内相关系数(ICC),并计算95% CI。对最大直径与增强参数之间进行Pearson相关分析。采用log-rank检验的Kaplan–Meier生存分析比较实际和预测的总生存期。统计显著性设定为p < 0.05。森林图在R(版本4.1.2)中创建,Kaplan–Meier曲线和Pearson相关分析在Python(版本3.10)中呈现,其他分析在SPSS 26.0中进行。

结果

训练组的人口学信息和影像学特征

首先,在188例患者中,89例分类为G1,82例为G2,9例为G3,8例为NEC。关于功能状态,152例患者为非功能性肿瘤,36例为功能性肿瘤;然而,MVI组中仅有一例患者为功能性肿瘤。

表1显示了训练组的人口统计学信息和影像学特征,图2描绘了患者的MVI状态。训练组包括160例个体(平均/中位年龄54.8/56岁,范围16–81岁),其中25例(15.6%)有MVI,135例(84.4%)无MVI。44.4%(71/160)的患者存在症状,主要为腹痛,其次为头晕、上腹不适和乏力。MVI组的中位年龄为53.0岁(非MVI组为57.0岁),女性比例更高(56.0% vs. 52.6%),有症状(56.0% vs. 42.2%)或肿瘤标志物升高(24.0% vs. 14.8%)的病例更多,但均无统计学意义(p > 0.05)。伴有MVI的PNETs直径显著大于无MVI者(中位36.7 mm vs. 23.4 mm)(p = 0.001)。在大小为20–50 mm的PNETs中,14.5%(10/69)显示MVI,而大于50 mm者中33.3%(10/30)有MVI。与非MVI病例相比,MVI与更高的形态不规则发生率(56.0% vs. 21.5%)、组织侵犯(44.0% vs. 7.4%)、淋巴结转移(32.0% vs. 7.4%)和肝转移(32.0% vs. 4.4%)相关(均p < 0.05)。肿瘤位置(体/尾部,52.0% vs. 52.6%)、胰管扩张(12.0% vs. 14.8%)、钙化(24.0% vs. 17.0%)或肿瘤质地(实性,72.0% vs. 63.7%)方面未发现显著差异(均p > 0.05)。CT增强参数显示,与无MVI者相比,伴有MVI的PNETs的门脉期病灶强化程度更低(中位90 vs. 111.0 HU)、强化比更低(1.02 ± 0.24 vs. 1.23 ± 0.39)、绝对强化程度更低(中位51.0 vs. 73.0 HU)、相对强化比更低(中位1.31 vs. 1.85)(均p < 0.05)。

图2 伴有PNETs患者的MVI状态。A、B 一名51岁女性,胰腺钩突内1级PNET(无MVI),表现为富血供外观(白箭头)。C 切片H&E染色(× 40)显示1级PNET,无MVI存在。微血管壁衬有血管内皮细胞(白箭头),管腔内含红细胞(黑箭头)。微血管结构周围为肿瘤细胞,其特征为核深染(黄色星号)。D、E 一名77岁男性,2级PNET(伴MVI),位于胰腺体尾部区域,表现为不均匀强化(白箭头)。F 切片H&E染色(× 40)显示2级PNET,存在MVI。观察到微血管腔内含瘤栓(黑色星号),壁衬有血管内皮细胞(黑箭头) 查看原图 ↗
表1 训练队列的人口统计学信息和影像学特征 查看原表 ↗

验证组的人口统计学信息和影像学特征

验证组的临床和影像学特征详见补充材料2。验证组包括28例患者,其中8例有MVI,20例无MVI。与无MVI的PNETs相比,有MVI的PNETs具有更大的最大径(39.4 mm vs. 19.5 mm)、更高比例的不规则形态(75.0% vs. 20.0%)、周围组织侵犯(75.0% vs. 10.0%),并表现为较低的门脉期病灶强化程度(100.3 ± 8.4 vs. 124.8 ± 30.0 HU)、强化比(1.09 ± 0.19 vs. 1.31 ± 0.28)、绝对强化程度(中位数 59.0 vs. 72.0 HU)和相对强化比(1.49 ± 0.24 vs. 2.08 ± 0.74)(均 p < 0.05)。然而,淋巴结转移和肝转移在验证组中未显示统计学显著性。

训练组与验证组的比较

训练组和验证组的临床及影像学特征详见表2。验证组表现出更高的中位年龄(63.5 vs. 56.0 岁)和更大比例的男性患者(67.9% vs. 46.9%),差异有统计学意义(p < 0.05)。验证组的病灶更常伴有实性质地(92.9% vs. 65.0%,p < 0.05)和周围组织侵犯(28.6% vs. 13.1%,p < 0.05)。其他因素未显示显著差异。

表2 训练组与验证组的人口学信息和影像学特征 查看原表 ↗

观察者间一致性和Pearson相关性分析

所选参数的观察者间一致性极好,ICC值稳定,具体如下:门脉期病灶强化程度,0.987(95% CI,0.972–0.994);强化比,0.989(95% CI,0.960–0.991);绝对强化程度,0.982(95% CI,0.960–0.991);相对强化比,0.963(95% CI,0.920–0.983)。

最大径与强化变量之间的相关性矩阵见补充材料3。最大径与门脉期病灶强化程度和绝对强化程度之间观察到显著差异,p值分别为0.008和0.011,相关系数分别为−0.21和−0.20。然而,最大径与强化比或相对强化比之间未发现显著差异,p值分别为0.137和0.055,相关系数分别为−0.12和−0.15。

Logistic回归分析

图3以森林图形式展示了基于训练组的多因素Logistic分析结果。纳入单因素分析中p < 0.05的因素:肿瘤直径、不规则形态、组织侵犯、淋巴结转移、肝转移、门脉期病灶强化程度、强化比、绝对强化程度和相对强化比。多因素分析确定了PNETs中MVI的三个独立预测因素:周围组织侵犯(OR:4.12,95% CI,1.19–14.3)、绝对强化程度(OR:0.84,95% CI,0.72–0.97)和相对强化比(OR:16.1,95% CI,1.54–167.81)(均 p < 0.05)。

图3 通过单因素和多因素Logistic回归分析确认的森林图。从该图我们发现,周围组织侵犯(OR:4.12,95% CI,1.19–14.3)、绝对强化程度(OR:0.84,95% CI,0.72–0.97)和相对强化比(OR:16.1,95% CI,1.54–167.81)被确定为预测PNET患者MVI的独立预测因素 查看原图 ↗

诊断效能

图4显示了训练组和验证组预测性能的ROC曲线。训练组模型的AUC为0.819(95% CI,0.720–0.917),灵敏度为64%,特异度为90.4%。验证组AUC为0.891(95% CI,0.751–1.0),灵敏度为87.5%,特异度为65%。

对于绝对强化值≤ 80 HU,诊断伴有MVI的PNET的灵敏度为88%,而特异度仅为43.7%;当其值> 150 HU时,灵敏度降至0%,特异度升至94.1%。对于相对强化比值≤ 200%(即2.0),灵敏度为80%,特异度为43%;对于> 400%,灵敏度为0%,特异度为93.3%。

图4 预测模型在训练组和验证组中的受试者工作特征曲线。该模型在训练组中达到AUC为0.819(95% CI,0.720–0.917),灵敏度为64%,特异度为90.4%。验证组的AUC为0.891(95% CI,0.751–1.0),灵敏度为87.5%,特异度为65%。 查看原图 ↗

Shiny应用程序的建立

图5展示了PNET患者MVI预测工具的图形用户界面。该图形用户界面可在线获取(https://xmfchy.shinyapps.io/shinyapp/)。多变量logistic回归的公式为:f(x) = 1.84* 周围组织侵犯 + 1.961* 肝转移 − 0.165* 绝对强化值 + 2.536 * 相对强化比值 + 0.081 * 门脉期病灶强化值 − 4.490。PNET患者MVI的概率预测值计算如下:exp(f(x)) / (1 + exp(f(x)))。预测MVI的最佳截断值为0.304,灵敏度为0.64,特异度为0.904。我们开发的基于网络的R/shiny应用程序提供了直观且用户友好的界面,使用户能够轻松选择或输入相关数值。随后,该应用程序计算预测值以确定PNET患者发生MVI的概率。

图5 R/shiny应用程序中预测PNET患者MVI的预测工具。提供了一个示例以演示该工具的功能。医生只需输入相关数值,即可生成预测结果。在此特定实例中,计算得出该患者发生MVI的可能性极小,概率仅为1.671%。 查看原图 ↗

生存结局

图6展示了Kaplan-Meier曲线,说明整个队列和MVI亚组中胰腺神经内分泌肿瘤(PNETs)患者的实际和预测总生存期。在训练组中,PNET患者的中位总生存期为52.5个月(范围1-144个月),平均为61个月。伴有MVI的患者中位生存期为12个月,而无MVI者为37.5个月(log-rank p = 0.034),表明MVI患者预后更差。两组之间的预测总生存期也发现了类似的显著差异(log-rank p < 0.001)。12个月时的实际生存概率在MVI组为88.0%,在Non-MVI组为98.5%,而在36个月时分别为82.8%和95.4%。12个月时的预测生存概率在MVI组为91.7%,在Non-MVI组为97.8%,而在36个月时分别为73.9%和96.9%。对于整个队列,预测生存与实际生存无显著差异(log-rank检验:p = 0.053)。然而,在MVI组中观察到显著差异(p = 0.008),而在非MVI组中,预测生存曲线与实际生存曲线之间未发现差异(p = 0.221)。

图6 Kaplan-Meier曲线说明整个队列和MVI亚组中PNETs患者的实际和预测总生存期。虚线代表预测生存曲线 查看原图 ↗

讨论

目前,尽管MVI与肿瘤异质性及预后之间存在强相关性[9, 10],但对PNETs患者MVI的预测受到的关注相对较少。我们使用门静脉期图像的临床和影像学特征来术前预测MVI并比较生存结局。多变量逻辑回归确定周围组织侵犯、绝对强化程度和相对强化比率为PNETs中MVI的独立预测因素。该预测模型在训练组和验证组中分别达到AUC 0.819和0.891,敏感度为64%和87.5%,特异度为90.4%和65%,表明性能良好。开发了一个基于网络的R/shiny应用用于MVI预测,为临床决策提供实时数据驱动的评估。与实际和预测总生存期一致,MVI与较非MVI病例更差的总生存期相关。我们的研究是一项开创性工作,利用影像特征开发用户友好的预测工具用于术前MVI预测,为肿瘤异质性提供了见解。

过去十年见证了对胰腺神经内分泌肿瘤(PNETs)生理学、其异质性的表现以及用于其治疗的模式的认识取得了显著进展[1, 25, 29]。CT扫描长期以来对诊断PNETs至关重要,可显示明显特征(大小、形状、质地)和细微特征(强化模式,尤其是门静脉期)[30]。在我们的研究中,我们聚焦于门静脉期的肿瘤强化特征,发现伴有和不伴有MVI的PNETs之间存在显著差异。伴有MVI的PNETs显示出明显降低的强化模式,可能是由于微血管受累导致小血管闭塞和血供减少。绝对强化值和相对强化比值均被确定为预测MVI的独立危险因素,提示瘤内特征可能比整体肿瘤特征更好地反映肿瘤血管生成。

Park的研究表明,门脉期的肿瘤-实质比值(门脉强化比值)对PNETs术后生存的预测性能优于当前的分级和分期系统,突显了其对超越肿瘤范围的治疗结局的重要影响[22]。另一项研究的结果也表明,门脉强化比值≤ 1.1可作为预测PNETs患者较差生存结局的预后影像生物标志物[24]。较低的强化比值表明肿瘤血流减少,这与高增殖指数显著相关,提示更高的肿瘤分级[31]。在我们的研究中,MVI、形态不规则、周围组织侵犯和转移与较差的总生存期相关。MVI的存在提示预后不良,识别与MVI相关的强化因素可能产生新的预后标志物。另一项研究发现,门脉强化比值< 1.02和淋巴结转移是PNET患者较差生存结局的独立因素[16]。门静脉期的相对强化比值可准确区分乏脂性腺瘤与非腺瘤,表明其良好的诊断性能[27]。在我们之前的研究中,我们使用增强CT扫描的定量参数来区分高分化与低分化PNETs。我们发现动脉期和门脉期绝对强化值均为具有强诊断性能的独立预测因子,反映了肿瘤分化、分级和增殖指数等重要生物学特征[13]。强化特征与主胰管受累的组合是预测具有高风险组织学因素的PNETs的可靠预测因子[11]。

定性影像特征以及强化参数对于预测MVI至关重要。我们的研究发现,伴有MVI的PNETs常表现为形态不规则、侵犯周围组织和转移,提示MVI与较差的生存结局之间存在关联。Zhang的研究[9]发现,MVI和肿瘤分级是预测总生存期的独立预后变量。同时,与其他病理特征(如淋巴管和神经周围侵犯)相比,MVI的存在也被确定为预测PNETs患者复发的独立危险因素[10]。侵犯邻近组织是PNET患者MVI的强预测因素。然而,我们未分别分析较大静脉侵犯和邻近组织/器官,需要进一步研究大血管侵犯与MVI之间的具体联系。在Addeo等[32]的研究中,他们发现大血管静脉侵犯更为常见,并伴有神经周围侵犯、较大尺寸、淋巴结受累和低分化肿瘤。在另一项研究中,MVI还与淋巴结转移相关,同时与肿瘤大小大于2 cm、远处转移和神经周围侵犯相关[17]。

创建诊断或预测模型本身并不困难,但将这些模型转化为实用、易于使用的临床应用具有挑战性。Shiny应用程序通过提供直观的界面来探索复杂医学数据并辅助决策,从而解决了这一问题[33]。在我们的研究中,R/Shiny应用程序的界面包括五个因素,可实时计算PNET患者的MVI概率,便于临床实践。该shiny应用程序还可帮助肿瘤科医生识别精准临床试验[34]并预测肝脂肪变性以选择最佳活体供者[35]。随着技术的进步,shiny应用程序可通过其交互式和可访问的界面改善诊断、治疗规划和患者护理。

本研究存在若干局限性。第一,由于数据收集周期较长,采用了多种CT方案,这可能潜在引入测量偏差,而回顾性设计可能导致选择偏倚。第二,由于并非所有图像均以1.25 mm层厚重建,使用3–5 mm层厚评估血管和邻近组织受累可能在评估中引入一定的不准确性。第三,门静脉期是在对比剂注射后约60 s采集,而非传统的70 s,这可能产生不同的强化值并影响模型性能。第四,验证组虽已纳入,但样本量较小,限制了其可靠性。第五,由于验证组随访时间较短,仅收集了训练组的生存数据。

总之,周围组织侵犯、绝对强化程度和相对强化比值被确定为预测胰腺神经内分泌肿瘤(PNETs)患者微血管侵犯(MVI)的独立预测因素。与无MVI的患者相比,MVI患者的总生存期更差。此外,门静脉期CT图像的临床和影像学特征可用于在术前准确预测PNETs患者是否存在MVI。在实际临床实践中,用于预测MVI的基于网络的R/shiny应用程序通过其交互式和可访问的界面提供实时数据驱动的预测值估计,以促进知情决策。

补充信息

电子补充材料

引用

  1. Chen HY, Pan Y, Li YW, et al. Preoperative prediction of microvascular invasion in pancreatic neuroendocrine tumors through analysis of portal venous phase CT images. Insights Imaging. 2025. PMID: 40996684. doi:10.1186/s13244-025-02091-6
  2. 全文:PMC12463792(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12463792/

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。