基于深度学习的胰腺神经内分泌肿瘤分级预测的影像-病理多模态融合研究综述.docVIP

基于深度学习的胰腺神经内分泌肿瘤分级预测的影像-病理多模态融合研究综述

胰腺神经内分泌肿瘤（pancreaticneuroendocrineneoplasms,pNENs）是一类起源于胰腺神经内分泌细胞的异质性肿瘤，约占胰腺恶性肿瘤的7%~10%，近年来发病率呈显著上升趋势。根据2019年世界卫生组织（WHO）消化系统肿瘤分类标准，pNENs可分为分化良好的神经内分泌瘤（NET，G1/G2/G3级）和分化差的神经内分泌癌（NEC，G3级），不同分级患者的预后存在显著差异：G1级患者5年生存率可达90%以上，而G3级NEC患者5年生存率不足10%。术前精准评估肿瘤分级对于临床治疗方案选择、预后判断具有至关重要的意义，然而传统术前诊断高度依赖有创穿刺活检，存在采样误差、并发症风险等局限，多模态融合技术与深度学习的结合为破解这一临床难题提供了全新路径。

一、pNENs分级预测的临床需求与传统技术局限

临床实践中，pNENs分级的核心依据是Ki-67增殖指数和核分裂象计数，二者均需要通过病理组织学检查获取。术前穿刺活检作为获取病理信息的主要手段，存在三点显著局限：其一，pNENs具有高度异质性，穿刺样本仅能代表肿瘤局部区域，约20%~30%的病例会出现分级低估；其二，胰腺位置深在，穿刺过程可能导致出血、胰瘘、肿瘤种植转移等并发症，发生率约为3%~5%；其三，对于合并严重凝血功能障碍、