目的 探究磁共振成像(MRI)联合乳腺影像报告和数据系统(BI-RADS)分类在乳腺癌鉴别诊断中的应用价值.方法 回顾性选取2020年9月～2023年1月我院收治的乳腺结节患者94例为研究对象,所有患者均接受MRI和BI-RADS检查,分析良恶性结节的一般资料和不同影像学特征,采用受试者工作(ROC)曲线分析乳腺结节良恶性的鉴别效能.结果 94例患者中37例患者乳腺肿瘤为恶性,纳入恶性组,其余57例患者乳腺肿瘤纳入良性组,恶性组最大肿瘤直径大于良性组(P＜0.05).通过BI-RADS分类发现,恶性组患者BI-RADS分类为4b、4c和5类的患者占比分别为32.43％、37.84％、16.22％,均高于良性组(P＜0.05).恶性组患者ADC值小于良性组,其肿瘤形态不规则患者有29例(78.38％),边界模糊患者33例(89.19％),均高于良性组(P＜0.05).MRI诊BI-RADS分类的准确率为89.36％(84/94),BI-RADS分类诊断的准确率为87.23％(82/94).经ROC曲线分析发现,MRI检查、BI-RADS分类诊断乳腺肿瘤的AUC分别为0.893、0.871,联合诊断的AUC为0.929,灵敏度和特异度分别为94.6％和91.2％.结论 MRI检查和BI-RADS 分类能够鉴别乳腺肿瘤良恶性,将两者进行联合应用,能够提升其对乳腺癌的诊断效能,可以为临床诊断鉴别提供理论依据.

目的 探讨卵巢-附件影像报告和数据系统(O-RADS)联合经阴道三维超声鉴别附件肿瘤良恶性的价值.方法 回顾性分析2022年1月至2023年4月在我院行经阴道二维及三维超声检查并进行手术的214个附件肿瘤,分析肿瘤的二维及三维超声图像并采用O-RADS分类,以病理结果为金标准,绘制受试者工作特征(ROC)曲线,评估二维及三维经阴道超声鉴别附件肿瘤良恶性的效能.结果 214个附件肿瘤中,病理诊断为良性180个,恶性34个,经阴道三维超声的曲线下面积(AUC)、灵敏度、特异度及准确率分别为 0.920(Z=2.72,P=0.006)、91.2％(P=0.003)、92.8％(x2=72.01,P＜0.001)、92.5％(x2=111.57,P＜0.001),均高于经阴道二维超声,差异有统计学意义.结论 与经阴道二维超声相比,O-RADS联合经阴道三维超声鉴别附件肿瘤良恶性的价值更高.

非编码RNA(non-coding RNA,ncRNA)是一种调节生物学过程的因子,在肿瘤的生物学行为中起到重要的作用.NcRNA在肿瘤中可作为竞争内源性RNA及RNA结合蛋白发挥作用,并且可以参与细胞转录与翻译的调节.自噬作为一种自我吞噬多余内容物并产生新分子维持细胞稳态的过程,对卵巢癌具有双重作用,需深入探讨.NcRNA可以通过自噬相关蛋白及信号通路介导卵巢癌生物学行为的变化.同时自噬具有多种分类,本文主要聚焦于经典的巨自噬作用,综述了卵巢癌中 ncRNA(miRNA,lncRNA及circRNA)与自噬的串扰,有助于提供基于ncRNA与自噬的卵巢癌治疗策略.

目的:腮腺深叶良性肿瘤(benign deep lobe parotid tumors,BDLPTs)具有多种临床表现和影像学特征,与选择合适的手术入路密切相关,本研究旨在探讨不同类型BDLPTs手术方式的差异.方法:选取2014年8月-2020年8月因腮腺区肿物就诊于北京大学口腔医院并行手术治疗且病理诊断为BDLPTs的75例患者,回顾性评估CT影像资料,根据肿瘤与各种结构的解剖关系将BDLPTs分为4类,探讨每种类型肿瘤的手术治疗方法.采用SPSS 24.0软件包对数据进行统计学分析.结果:Ⅰ型BDLPTs(14/75,18.7％)完全位于下颌支和茎突下颌间隙内侧,瘤体增大时突向咽旁间隙.Ⅱ型BDLPTs(19/75,25.3％)位于下颌后间隙,以下颌支、茎突下颌间隙、乳突和下颌后静脉为界.Ⅲ型BDLPTs(27/75,36.0％)呈膨胀型生长,横穿茎突下颌间隙,从下颌后静脉延伸至咽旁间隙.Ⅳ型BDLPTs(15/75,20％)位于耳垂下方、面神经和下颌后静脉深部.经下颌骨劈开入路主要用于Ⅰ型病例(10/14),Ⅲ型病例采用腮腺入路(14例)、下颌入路(11例)和腮腺-下颌联合入路(2例),Ⅱ型和Ⅳ型病例经腮腺入路同时行腮腺切除术.结论:BDLPTs分类可为术前制定治疗计划提供有价值的见解和实践指导.

目的 探讨伴有色素分化的Xp11易位性肿瘤/"伴有黑色素分化的TFE3基因重排的软组织肿瘤"的临床病理特征、免疫表型、分子特征及预后.方法 收集5例伴有色素分化的Xp11易位性肿瘤/"伴有黑色素分化的TFE3基因重排的软组织肿瘤"的临床病理资料,行免疫组化EnVision法、组织化学染色、FISH、二代测序(NGS)及随访,并进行文献复习.结果 5例患者中男性1例,女性4例.发病年龄16～59岁,平均28.2岁.肿瘤最大径3.0～6.0 cm(平均4.7 cm).发病部位:右侧肾脏3例(其中 1例发生胸椎转移),左侧输卵管间质与圆韧带之间1例,盆腔部位1例.组织学上,肿瘤由丰富的纤维血管网分隔成巢状、腺泡状结构,胞质透亮或嗜酸性、颗粒样,胞质内不同程度的出现黑色素聚集;间质内可见淋巴细胞浸润;4例检出肿瘤性坏死;核分裂象＜3个/10 HPF;2例检出个别脉管内瘤栓,其余3例均未检出脉管内瘤栓及神经侵犯.免疫表型:5例TFE3 均弥漫强阳性,HMB45 及 Melan A 不同程度阳性;CK(AE1/AE3)、CK7、EMA、PAX8、TFEB、S-100、SOX10、SMA、desmin 均阴性;Ki67增殖指数＜20％.FISH检测:TFE3分离探针显示4例存在明确的TFE3分离信号,1例因信号不典型判读为阴性,经NGS检测证实为RBM10-TFE3基因融合.5例均获得随访:随访时间2～60个月,患者均存活,4例无瘤生存,1例胸椎转移患者情况稳定且未进展.结论 伴有色素分化的Xp11易位性肿瘤/"伴有黑色素分化的TFE3基因重排的软组织肿瘤"具有独特的形态学特征、免疫表型及分子遗传学改变,建议作为一种独立的恶性间叶性肿瘤实体进行分类.

NFATC2 重排肉瘤(NFATC2-rearranged sarcomas)是相对罕见的一类肿瘤,包括EWSR1::NFATC2和FUS::NFATC2基因融合的肉瘤,WHO(2020)软组织和骨肿瘤分类将其归类至EWSR1与非ETS转录因子家族融合肉瘤的章节中,该文就NFATC2重排肉瘤的临床表现、组织形态学、免疫表型和分子遗传学特征,以及治疗和预后的最新进展进行综述.

目的 通过对文献系统梳理,总结归纳分析多部位恶性肿瘤ICD-10编码规则,为编码员准确分类提供参考依据.方法 检索2004年1月-2023年6月在中国知网(CNKI)、中文科技期刊全文数据库维普(VIP)及《疾病和有关健康问题的国际统计分类》、《病案信息学》等编码指导手册上发表的关于多部位恶性肿瘤编码规则的文献并进行归纳分析.结果 最终筛选符合条件的文献共7篇,通过文献归纳,多部位恶性肿瘤可分为原发恶性肿瘤伴侵袭或转移、交搭跨越恶性肿瘤、多原发恶性肿瘤及其他的多部位恶性肿瘤四大类,其类型不同,编码规则不同.结论 编码员要理解多部位恶性肿瘤各类型的内涵及编码规则,必要时与病理及临床科室沟通联系,提高多部位恶性肿瘤编码质量.

针对目前存在肿瘤类疾病诊断不规范,导致疾病分类不准确,影响医疗数据的客观性和科学性的问题,基于国际疾病分类(International Classification of Disease,ICD)分类规则,参考世界卫生组织(World Health Organization,WHO)各系统肿瘤分类,并以国家临床版编码库为框架,构建一个规范的、全面的肿瘤类疾病临床诊断术语集,逐步应用于临床实践,并实时进行更新维护.通过构建此临床诊断术语集,规范了医师的疾病诊断书写,使疾病分类更加准确,为公立医院绩效考核、医保付费、医院管理和科研教学等领域提供更加准确和标椎化的数据.

前列腺癌(prostate cancer,PCa)是全球男性中患病最多、致死率第二高的癌症.PCa神经微环境与肿瘤进展、手术根治程度及术后复发密切相关,但具体机制尚不明确.神经微环境中的神经密度(neural density,ND)、神经周围侵袭(perineural invasion,PNI)以及神经内分泌特征(neuroendocrine features,NEF)与TMPRSS2 ERG基因、单胺氧化酶A(monoamine oxidase A,MAOA)、核因子κB,神经营养因子以及神经肽Y(neuropeptide Y,NPY)等的表达密切相关.挖掘与该基因组学及蛋白组学相关的影像标志物可以早期识别PCa神经微环境从而影响临床诊疗方案.基于多参数磁共振成像(multiparameter magnetic resonance imaging,mp-MRI)影像组学特征可以识别PNI及NEF的潜在影像标志物.基于磁粒子成像技术(magnetic particle imaging,MPI)、深度神经网络(deep neural network,DNN)图像分类模型可以进行神经可视化.新兴神经影像技术弥散张量成像(diffusion tensor imaging,DTI)、扩散频谱成像(diffusion spectrum imaging,DSI)、神经突定向扩散与密度成像(neurite orientation dispersion and density imaging,NODDI)以及基于吩噁嗪的近红外荧光团的设计合成与神经成像技术,在显示及预测ND、PNI、NEF也蕴含着独特的价值.本文就PCa患者神经微环境潜在影像标志物的研究现状进行综述,以进一步揭示PCa神经微环境的神经生理机制,为后续诊疗过程及改善患者预后提供影像学依据.

眼眶肿瘤的位置和组织病理学表现各不相同,给诊断带来了挑战.尽管成像技术的进步改善了这一问题,但其分类与鉴别仍是一项挑战.机器学习作为人工智能的关键分支在医疗领域已取得了一定的成果,尤其是其与影像学、眼科学的结合极大地促进了眼眶肿瘤的精准治疗,其在肿瘤鉴别、病灶分割及图像重建等方面已经展现出极大的潜力和广阔的应用前景,有望在提升眼眶肿瘤诊断水平的同时降低临床实践成本.本文就基于MRI的机器学习技术在眼眶肿瘤中的应用进行综述,旨在为临床医师和放射科医生就眼眶肿瘤的诊断、治疗及预后提供思路,并进一步促进机器学习在该领域的应用与普及推广.