使用Ki-67扩散指数对肠瘤神经内分泌瘤分级的最佳方法:热点和全幻灯片数字定量分析

科学领域:

• 在瘤学瘤学.
• 病理学 病理学 病理学
• 数字病理学数字病理学

背景情况:

• 神经内分泌瘤 (NET) 的分级依赖Ki-67增殖指数 (PI),但缺乏标准化的方法,导致不一致.
• 目前的分级通常侧重于原发性瘤,可能缺少从转移的预后信息.

研究的目的:

• 评估神经内分泌瘤中初级和转移性部位的不同Ki-67分级方法 (热点与整片分析).
• 建立标准化方法,以便在NET中更准确地预测和治疗决策.

主要方法:

• 分析了325名神经内分泌瘤患者的734个组织切片,使用热点分析 (HSA) 和整个幻灯片分析 (WSA) 分析Ki-67 PI.
• 世界卫生组织 (WHO) 基于HSA和WSA的双重分级,考虑初级,区域和远程转移.
• 74名患者的外部验证队列使用独立的图像分析软件.

主要成果:

• 仅仅对原发性瘤进行分级是不够的;最高分级的部位在原发性 (26.1%),区域性 (39.1%) 和远程性 (34.8%) 转移中各不相同.
• 分散G2 NET的生存期 (84个月) 比焦点G2 NET (136个月) 显著差.
• 最大WSAKi-67PI是整体存活时间的唯一独立预测指标;TNM阶段和瘤位置没有显著意义.

结论:

• 准确的NET预后需要评估所有疾病部位,并整合HSA和WSAKi-67PI.
• 数字图像分析为NET分级提供了标准化,可重复的方法,增强了临床决策.
• 扩散G2 NET是高风险的子组,需要更密切的监测和量身定制的治疗策略.