来源：期刊VIP网 时间：
作者：王夕江;郭炜;刘剑羽;
单位：晋中市第二人民医院影像科;北京大学第三医院放射科;
摘要：目的 探究胰腺神经内分泌肿瘤（pancreatic neuroendocrine neoplasm, panNEN）的CT和MRI特征对预测其病理分级的价值。材料与方法 回顾性分析北京大学第三医院106例panNEN患者的临床及影像资料，本研究遵循世界卫生组织（World Health Organization, WHO）2019年第五版的分类和分级标准，将panNEN中的G1、G2、G3级神经内分泌肿瘤（neuroendocrine neoplasm, NEN）和神经内分泌癌（neuroendocrine carcinoma, NEC）分别划分为低级别组（G1级NEN）和中高级别组（包括G2、G3级NEN和NEC）。对患者性别、年龄和病灶的形态、位置、体积、囊实性质、CT特征（平扫、增强动脉期和静脉期相CT值、动脉期和静脉期CT图像的增强模式）、 MRI特征[T1、 T2加权MRI图像上的信号强度、扩散加权成像（diffusion-weighted imaging, DWI）序列b值=1000 s/mm2图像的信号强度及表观扩散系数（apparent diffusion coefficient, ADC）图像的信号强度]，以及血管侵犯和肝转移进行统计学分析。运用t检验、Mann-Whitney U检验、卡方检验及Wilcoxon秩和检验比较panNEN不同病理分级和病灶相关参数的差异，并采用二元logistic回归构建预测模型，使用受试者工作特征曲线下面积（area under the curve, AUC）评估模型预测效能，采用DeLong检验比较模型间的AUC值的差异。校准曲线评估模型的拟合度，决策曲线分析评估模型的临床价值。结果 低级别组与中高级别组在肿瘤体积、肝转移和血管侵犯方面的差异具有统计学意义（P<0.05），而在性别、年龄、囊实性质和发生部位方面的差异无统计学意义（P>0.05）。CT和MRI特征中，仅DWI和ADC图信号特征差异具有统计学意义。多因素logistic回归分析显示，肿瘤体积、肝转移和血管侵犯是panNEN病理分级的独立预测因素，联合后构建的模型预测panNEN中高级别组的AUC达0.861(95%CI:0.798～0.923)，敏感度为78.1%，特异度为83.3%。结论 基于肿瘤体积、肝转移和血管侵犯的联合模型在术前能有效预测panNEN病理分级。
关键词：胰腺;;神经内分泌肿瘤;;磁共振成像;;体层摄影,X-线计算机;;病理分级
