胰腺癌肿瘤出芽及其病理和影像学人工智能评估的研究进展

李春梅，张萌萌，朱 融，于德新

1.山东省青岛市市立医院放射科，山东 青岛 266011；2.山东省青岛市市立医院病理科，山东 青岛 266011；3.山东省菏泽市立医院CT 室，山东 菏泽 274031；4.山东大学齐鲁医院放射科，山东 济南250012

胰腺导管腺癌（pancreatic ductal adenocarcinoma，PDAC）是一种恶性程度极高的消化道肿瘤。据统计，美国2010—2016 年PDAC 的发病率和病死率持续增长，5 年相对生存率仅10%［1］。PDAC 进展迅速，早期症状不典型，就诊时大部分患者已是中晚期［2］。目前手术切除是早期PDAC 首选的根治性治疗方法，但仅20%左右的患者存在手术机会［3］。近年来，PDAC诊疗模式开始转变为多学科综合治疗，但基于其高度异质性特点，诊疗意见常出现争议［4］。

结缔组织增生和纤维炎症反应是PDAC 肿瘤微环境异质性较强的一个重要特点，肿瘤细胞分布其中。肿瘤细胞与宿主细胞相互作用的区域称为肿瘤侵袭性前沿（tumor invasive front，TIF），TIF 区域肿瘤细胞呈分离状态且丧失了大多数分化的细胞学特征，因此该区域细胞更具恶性特征，可用于预测肿瘤的生物学行为［5-7］。

肿瘤出芽通常被定义为TIF 存在的分离的单个癌细胞或最多4 个癌细胞的集群。Imai［8］在20 世纪50 年代首次描述了实体癌患者的肿瘤出芽及其与疾病进展的关系。2017 年国际肿瘤出芽共识会议（the international tumour budding concensus conference，ITBCC）对结直肠背景下肿瘤出芽的病理评估和报告提供了标准化建议［9］。目前，PDAC 肿瘤出芽的病理学评估与患者预后之间的关系也得到了较广泛关注。PDAC 的肿瘤出芽与肿瘤细胞上皮间质转化（epithelial-mesenchymal transition，EMT）相 关［10］，与肿瘤微环境中不同成分相互作用，在TIF 区域最突出，影响患者的预后［11-16］。本研究从PDAC 的肿瘤出芽发生机制、生物学特点、病理学和无创影像学评估方面的研究进展进行总结。

1 肿瘤出芽与EMT

EMT 是胚胎发育过程中必需的生物学过程，上皮细胞由上皮表型向间质表型转变，其极性特征消失，转化为成纤维细胞形态，由此获得了适合于细胞外环境中迁移的形态［12，17］。在这个过程中，上皮标志物，如E-钙黏蛋白、细胞角蛋白表达下降；间质标志物，如纤维连接蛋白、N-钙黏蛋白、波形蛋白表达上调；使得细胞间黏附能力下降，为细胞运动的增强和转移创造了条件［15］。另外，文献报道SNAIL、ZEB、TWIST 等与EMT 相关的重要转录调控因子也有一定程度的增高［15，17-18］。在包括胰腺癌在内的许多癌症中，EMT 已被证明与高级别恶性肿瘤相关，包括形成转移的能力［19］。目前有观点认为，经历EMT 的单细胞从主要肿瘤块分离，扩散至转移部位［19］。

在EMT 过程中，上皮细胞失去其顶端-基底极性和细胞间黏附等特性，和/或获得间充质特性［17］。EMT常包含多种进展变化状态，又称为中间EMT，在这些混合的上皮/间质表型中，细胞倾向于同时显示上皮细胞和间充质细胞的特性，也被称为部分EMT［17］。

肿瘤出芽与EMT 密切相关，胰腺癌肿瘤出芽被认为反映了EMT 过程。一项荟萃分析指出，EMT 是决定PDAC 中肿瘤出芽存在的核心过程［15］。有研究对120 例PDAC 进行分析，结果发现，在表型侵袭性PDAC 的肿瘤微环境中，肿瘤出芽细胞在蛋白和mRNA水平表达EMT 标志，突显了其EMT 型特征，且被高表达抑制E-钙黏蛋白的ZEB1、ZEB2 和SNAIL1 的基质细胞包围，这与高肿瘤出芽表型相关［20］。

肿瘤出芽最突出地发生于TIF，早期对肿瘤出芽的研究通常集中于经典的瘤周出芽，随后，在结直肠癌的主瘤体内也可发现肿瘤出芽［21］，因此，引入术语瘤内出芽，以区别于瘤周出芽［21-22］。瘤内出芽被定义为肿瘤间质内肿瘤细胞簇＜5 个［23］。Jiang 等［24］分析了PDAC 的瘤周出芽和瘤内出芽，并用模型分析对其进行了总肿瘤出芽评分，认为肿瘤出芽评分与PDAC 患者的总生存期风险有很强的独立相关性。

2 肿瘤出芽的生物学特征

胰腺癌肿瘤出芽和神经侵犯是PDAC 中普遍存在的组织形态学特征，两者之间很可能具有一定的相关性［25-27］。Zhang 等［25］研究了PDAC 中副交感神经发生与肿瘤出芽的相关性，对59 例PDAC 患者的肿瘤标本行囊泡乙酰胆碱转运体染色（囊泡乙酰胆碱转运体是副交感神经发生的标志物），结果发现PDAC中副交感神经发生与肿瘤出芽密切相关，且与不良预后相关。该团队又对毒蕈碱乙酰胆碱受体3（M3）进行了研究，M3 高表达的细胞多位于TIF/肿瘤出芽细胞、转移淋巴结和副交感神经纤维［26］。年瑞等［27］的研究却显示肿瘤出芽与神经侵犯之间无关联。因此，胰腺癌肿瘤出芽和神经侵犯相关性仍需更大样本和更多试验去探讨。

胰腺癌的免疫治疗是目前研究的热点，PDAC肿瘤出芽的发生率和肿瘤本身的免疫特征具有很强的相关性［28-31］。有学者对PDAC 不同级别的肿瘤出芽与肿瘤的免疫景观进行了分析研究，认为固有和适应性免疫细胞（如M1 巨噬细胞）均可阻止胰腺癌的肿瘤出芽和疾病进展［28］。有报道认为，PDAC 肿瘤出芽与细胞程序性死亡-配体1（PD-L1）在肿瘤细胞中的表达呈正相关［29］。Sadozai 等［30］发现，胰腺癌高级别肿瘤出芽患者表现出抗肿瘤免疫减弱的特征。Wartenberg 等［31］根据胰腺癌的基因组和免疫表型确定了PDAC 的3 种亚型：①免疫逃逸型（54%），T 细胞和B 细胞较少，FOXP3＋Treg 富集，有高级别肿瘤出芽，CDKN2A、SMAD4 和PIK3CA 突变发生率高，预后差；②免疫丰富型（35%），T 细胞和B 细胞丰富，FOXP3＋Treg 较少，肿瘤出芽较少，CDKN2A 和PIK3CA突变率较低，结局较好；③免疫耗竭型（11%），具有PD-L1 表达和PIK3CA 高突变率，或高发JAK3 突变的微卫星不稳定的亚群。了解胰腺癌肿瘤出芽与免疫特征的相关性可辅助评估预后和指导治疗。

另外，胰腺癌肿瘤出芽的主要组织学表现是EMT，有报道认为胰腺癌肿瘤出芽与肿瘤干细胞和耐药也存在一定的相关性［13，32］。胰腺癌的TIF 有许多结构，如邻近正常组织的腺泡导管化生、脉管侵犯、间质反应等，都是胰腺癌中常见的病理组织学表现，但目前此方面内容与胰腺癌肿瘤出芽的机制探讨尚无确切的报道，而主要为综合的临床病理分析，且 结论存在差 异［10，14，16，24］，还需进 一步分 析其内在机制。

3 肿瘤出芽的病理学评估

肿瘤出芽的最初评估研究见于结直肠癌，已被证实是结直肠癌的独立预后因素，也是影响Ⅱ期结直肠癌生存率的独立因素［22］。为提高可靠性和可重复性，2017 年ITBCC 会议上达成了一致的国际标准化评分系统，并建议将该方法纳入结直肠癌指南和分期系统［9］。ITBCC 小组建议，推荐在HE 染色的病理切片上，分析TIF 的热点视野［200 倍显微镜视野（HPF）下，0.785 mm2］，采用3 层级系统进行计数：低出芽（0～4 个肿瘤出芽），中等出芽（5～9 个肿瘤出芽），高出芽（≥10 个肿瘤出芽）。Karamitopoulou 等［33］将该评分方法在胰腺癌中的应用进行了验证分析，认为其是一种简单、可靠、可重复的评估PDAC 患者肿瘤出芽的方法。

在胰腺癌肿瘤出芽的研究中，常采用细胞角蛋白免疫组化染色辅助识别肿瘤肿瘤出芽的方法［10，13］。在统计分析中，也常采用ROC 曲线对胰腺癌肿瘤出芽取截断值进行分组，研究与其他指标的相关性［27－28］。Jiang 等［24］在对胰腺癌肿瘤出芽的分析中，对瘤内出芽和瘤周出芽进行赋分获得肿瘤出芽分值，结果发现高肿瘤出芽分值组病死率明显高于低肿瘤出芽分值组。Karamitopoulou 等［28］进行了多中心胰腺癌肿瘤出芽评估的可重复性研究，结果显示病理学家对PDAC 中不同肿瘤出芽评估方法的一致程度为中差至中等水平；免疫组织化学全细胞角蛋白染色10 倍HPF 评估方法的一致性达到可接受水平，因此可推荐用于评估PDAC 切除标本中的肿瘤出芽评估；为了提高观察者之间的一致性，应考虑应用机器学习辅助诊断。

目前，对肿瘤出芽的研究主要以二维平面的病理图像为分析对象。有研究对结直肠癌、PDAC、肺癌和乳腺癌的三维重建模型显示，许多簇状的肿瘤芽实际上仍与肿瘤总体相关，而真正孤立的肿瘤芽是罕见（9%～22%）［34］。据此推测，单细胞侵袭可能是极其罕见的事件，而肿瘤出芽主要反映肿瘤细胞的集体迁移，进一步的结论有待研究证实。

4 肿瘤出芽的影像学人工智能评估

常规的CT、MRI 检查难以评估PDAC 中肿瘤出芽的存在情况。影像组学可从影像图像的黑白灰阶信息中提取更多的定量特征，因此在此方面显示出一定的价值。Granata 等［35］基于CT 图像对结直肠癌肝转移瘤进行了评估，鉴别膨胀性生长和肿瘤出芽的最佳性能，准确度为86%，敏感度为91%，特异度为65%。Chong 等［36］采用氟代脱氧葡萄糖（18F-FDG）PET/CT 对比宫颈癌患者影像组学特征，建立了肿瘤出芽状态预测模型，该预测模型成功预测了宫颈癌患者的肿瘤出芽状态。但目前针对胰腺癌肿瘤出芽相关的影像方面的研究尚无报道。

近年来，人工智能的发展为肿瘤出芽的研究和构建预测标准提供了新的思路和方法。肿瘤出芽的评估主要依赖肿瘤组织的HE 染色图像。目前，借助人工智能已能准确识别胰腺癌组织亚型及不同的肿瘤背景［37-40］。Gao 等［40］提出了一种选择性多尺度注意网络，从编码器和解码器的不同尺度增强有效信息、补充有用信息和抑制冗余信息，从而实现对胰腺病理图像中肿瘤细胞、血管、神经、胰岛和导管的分割。该方法减少了胰岛、神经及肿瘤细胞间质的欠分割，改善了肿瘤细胞、导管和血管的分割准确度。Kiemen等［39］利用深度学习工作流程，鉴定出正常导管上皮、前体病变（胰腺上皮内瘤变或导管内乳头状黏液瘤）、PDAC、平滑肌和神经、腺泡、脂肪、细胞外基质、胰岛8 种组织亚型。该研究使得可定量评估肿瘤组织的尺寸、组织亚型的组成及各种亚型的细胞数量，且使癌症边缘和向邻近组织侵袭表现可视化。

综上所述，胰腺癌肿瘤出芽是肿瘤侵袭性生长的一种表现，与其预后具有密切的相关性。尽管，关于肿瘤出芽在结直肠癌中病理价值的评估及影像相关性的研究较多，但在PDAC 的研究中仍存在不太明确或相对有争议的内容。随着计算机技术的不断发展，将病理切片中不同胰腺癌肿瘤细胞的形态和周围微环境的病理组织形态与各种不同类型的数据包括影像组学、基因蛋白组学、临床诊疗数据等联系起来，对胰腺癌作出精准的诊断、治疗和预后判断是未来医学人工智能的方向和挑战。