本文旨在报道1例猫鼻神经内分泌恶性肿瘤的病理和免疫组化特征。4岁雄性英国短毛猫,在他院按肺炎治疗一个月未见好转遂转至本院,检查发现鼻部肿块,手术活检取鼻腔肿块进行组织病理学和免疫组化检查。组织病理学结果显示肿瘤细胞大小形...本文旨在报道1例猫鼻神经内分泌恶性肿瘤的病理和免疫组化特征。4岁雄性英国短毛猫,在他院按肺炎治疗一个月未见好转遂转至本院,检查发现鼻部肿块,手术活检取鼻腔肿块进行组织病理学和免疫组化检查。组织病理学结果显示肿瘤细胞大小形态不一,异型性明显,细胞核多呈泡状,且已侵袭至周围组织;免疫组化结果显示神经元特异性烯醇化酶(neuron specific enolase,NSE)、突触素(synaptophysin,Syn)、血管活性肠肽(vasoactive intestinal peptide,VIP)、CD99(cluster of differentiation 99,CD99)呈阳性。根据实验室检查、组织病理学以及免疫组化结果,最后诊断为鼻神经内分泌恶性肿瘤,更倾向于低分化神经内分泌癌(neuroendocrine carcinoma,NEC)。本病例可为诊断该肿瘤并与其他鼻腔肿瘤相区分提供参考依据。展开更多
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 Organiz...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/mm^(2)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。展开更多
文摘本文旨在报道1例猫鼻神经内分泌恶性肿瘤的病理和免疫组化特征。4岁雄性英国短毛猫,在他院按肺炎治疗一个月未见好转遂转至本院,检查发现鼻部肿块,手术活检取鼻腔肿块进行组织病理学和免疫组化检查。组织病理学结果显示肿瘤细胞大小形态不一,异型性明显,细胞核多呈泡状,且已侵袭至周围组织;免疫组化结果显示神经元特异性烯醇化酶(neuron specific enolase,NSE)、突触素(synaptophysin,Syn)、血管活性肠肽(vasoactive intestinal peptide,VIP)、CD99(cluster of differentiation 99,CD99)呈阳性。根据实验室检查、组织病理学以及免疫组化结果,最后诊断为鼻神经内分泌恶性肿瘤,更倾向于低分化神经内分泌癌(neuroendocrine carcinoma,NEC)。本病例可为诊断该肿瘤并与其他鼻腔肿瘤相区分提供参考依据。
文摘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/mm^(2)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。
