纵隔肿瘤的发病率较低，其临床表现通常不具有特异性，一般通过体检发现，较大的肿物导致压迫症状，包括咳嗽、呼吸困难、嘶哑和吞咽困难等[1,2]。随着胸部低剂量CT筛查的普及，纵隔肿瘤的检出率有所提高。纵隔肿瘤复杂多样决定了其临床诊治的复杂性，但根据影像表现、好发人群以及实验室检查进行综合诊断可提高诊断准确性[2,3,4]。本文归纳了纵隔好发肿瘤的影像表现，同时检索了纵隔肿瘤影像诊断的研究进展，旨在为放射科医生形成系统的影像诊断思维提供参考。

1、纵隔肿瘤检查方法和定位

X射线可以筛查出病变，常表现为掩盖正常结构边界的软组织肿块[1]。计算机体层摄影术(computer tomography, CT)为首选的检查方法，多平面重建可以确定病变的位置、大小、内部成份，以确定肿瘤来源及其与周围结构的毗邻侵袭关系[2]。磁共振成像(magnetic resonance imaging, MRI)软组织分辨率高，在区分肿物囊实性方面优于CT,对周围组织的侵犯也可以更加清楚的显示，联合弥散加权成像(diffusion weighted imaging, DWI)和表观弥散系数(apparent diffusion coefficient, ADC)对肿瘤良恶性评估也有较大意义，目前通过MRI、DWI诊断纵隔肿瘤已经越来越普遍[3]。氟代脱氧葡萄糖正电子发射计算机断层成像(18F-fluid distribution grid positron emission tomography-computed tomography, 18F-FDG PET-CT)通过测得的最大标准化摄取值(maximum standard uptake value, SUVmax)可判断病变的良恶性，恶性肿瘤的18F-FDG摄取率明显高于良性病变。

2014年国际胸腺恶性肿瘤协会(International Thymic Malignancy Interest Group, ITMIG)修改了日本胸腺研究协会(Japanese Association for Research of the Thymus, JART)模型并作为新标准，提出纵隔的“三分法”现已广泛应用，包括血管前区(前纵隔)、内脏区(中纵隔)和椎旁区(后纵隔)[4]。三个分区上下界相同，以心包及内脏椎旁隔室边界线为界分为前、中、后三区，内脏椎旁隔室边界线连接胸椎椎体上距脊柱前边缘1cm处的垂直线[5]。

2、纵隔好发肿瘤和影像表现

2.1 前纵隔好发肿瘤

前纵隔好发肿瘤包括胸腺上皮源性肿瘤(thymic epithelial tumors, TETs)、淋巴瘤及生殖细胞源性肿瘤等，其好发肿瘤的发病率、好发人群、世界卫生组织(World Health Organization, WHO)组织学分型及其影像学表现如二维码1所示。  

前纵隔是纵隔肿瘤中发病率最高的部位，可以结合实验室检查进行鉴别诊断。淋巴瘤除了侵袭性肿物的特征外，乳酸脱氢酶、中性粒细胞碱性磷酸酶染色对淋巴瘤病理分型及病情评估有重要意义[6]。生殖细胞肿瘤影像学较难鉴别，10%的患者血清β-人绒毛膜促性腺激素(β-humanchorionic gonadotrophin, β-HCG)水平略有升高，但并不特异，而大约90%的非精原细胞生殖细胞患者血清中甲胎蛋白(alpha-fetoprotein, AFP)或β-HCG水平显著升高，可高度提示该疾病发生[7,8]。

2.2 中纵隔好发肿瘤

中纵隔结构复杂多样，包括心脏、大血管、气管和支气管等器官，因此多种来源肿瘤均可发生于中纵隔，但发生率都比较低，影像学表现复杂多样，诊断主要通过病理活检。除了食管及气管病变，最常见淋巴结病变包括转移、恶性淋巴瘤、肉芽肿结节病及巨大淋巴结增生。另外一些间叶来源肿瘤，包括纤维/肌纤维母细胞来源肿瘤、脂肪瘤及脂肪肉瘤，血管来源肿瘤以及来源于迷走神经的神经鞘瘤均可发生于中纵隔[9]。但由于上述肿瘤发病率极低，目前国内外只能检索到一些个案报道[10,11]。其中巨大淋巴结增生又称卡斯特曼疾病(Castleman disease, CD),是一种少见的慢性淋巴增殖性疾病，为富血供肿瘤，增强扫描呈欠均匀明显强化，可以通过这种强化方式进行鉴别[12,13]。而对于间叶源性肿瘤，内部特殊成分如脂肪或血管等也可帮助进行鉴别诊断[14]。

2.3 后纵隔好发肿瘤

后纵隔最常见肿瘤为神经源性肿瘤，占成人纵隔肿瘤的15%～20%,占儿童纵隔肿瘤的40%,神经源性肿瘤中70%～80%是良性肿瘤[15,16]。通常包括周围神经鞘瘤、交感神经节肿瘤及神经内分泌肿瘤，其发病率、好发人群、WHO组织学分型及影像学表现如二维码2所示。

3、研究进展

随着影像诊断学联合多学科的蓬勃发展，更多的研究技术应用于纵隔肿瘤的诊断研究，但由于纵隔肿瘤发生率低，进展研究仍十分有限。临床上前纵隔肿瘤发生率相对最高且肿瘤病理分型最丰富，临床研究价值最高，因此国内外学者主要针对前纵隔肿瘤诊断进行研究，尤其是胸腺上皮源性肿瘤、淋巴瘤、生殖源性肿瘤等前纵隔大肿块的类型。CT及MRI多种针对前纵隔肿瘤诊断的研究进展指引了未来的发展方向。

3.1 MRI定量和功能技术

胸部增强CT联合MRI检查可以提高纵隔肿瘤鉴别诊断的准确率。目前MRI-DWI在胸部疾病中的应用价值已获证实，恶性肿瘤的ADC值较低，这可以提高诊断效能[17]。Hu等[18]针对398例前纵隔肿瘤患者运用T2和DWI检测肿瘤内胶原纤维分型，从而鉴别胸腺瘤、胸腺癌和淋巴瘤，研究发现分隔型胶原纤维常见于胸腺瘤，片型常见于胸腺鳞癌，混合型常见于其他胸腺癌/神经内分泌肿瘤，无分隔型常见于淋巴瘤。但DWI以相对低b值计算的ADC值会受到血液微循环误差的影响，具有多b值的体素内不相干运动弥散加权成像(intravoxel incoherent motion, IVIM)可以有效地将微血管灌注与内在扩散过程分离，IVIM在脑、肝脏和乳腺等器官应用已经较为成熟，目前也有学者运用IVIM进行纵隔肿瘤诊断的研究。Li等[19]针对77例TETs运用IVIM参数预测胸腺上皮肿瘤的亚型和Masaoka分期的研究发现，在低危胸腺瘤的慢扩散系数(D)、快灌注系数(D*)及多b值拟合表观扩散系数(ADCmb)高于高危胸腺瘤或胸腺癌组，D和D*联合区分低危胸腺瘤和高危胸腺瘤或胸腺癌效果最好，接受者操作特征曲线(receiver operating characteristic curve, ROC)下面积(area under curve, AUC)值为0.959,灵敏度为95.7%,特异度为87.0%,准确度为89.6%。Qi等[20]对35例患者进行IVIM扫描从而进行纵隔肿大淋巴结良恶性的鉴别，发现恶性组的D、ADC和灌注比例系数(f)的平均值明显低于良性组，且D和f组合诊断效能最高(AUC=0.953)。

另外其他的MRI新技术在纵隔肿瘤的鉴别诊断方面也取得了新进展。动态对比增强MRI(dynamic contrast-enhanced magnetic resonance imaging, DCE-MRI)通过时间-强度曲线的半定量分析或药代动力学模型的定量表征来评估各种肿瘤的血液动力学特征。Shen等[21]对29例患有前纵隔肿瘤的患者运用DCE-MRI衍生参数来区分胸腺癌和胸腺淋巴瘤，研究发现胸腺癌的最小血管外细胞外间隙与血浆间转换常数(kep)明显低于胸腺淋巴瘤，细胞外血管外间隙体积分数(ve)高于胸腺淋巴瘤，kep和ve的组合可以显著提高诊断性能(AUC=0.752)。Lin等[22]对62例前纵隔肿瘤的患者运用DCE-MRI灌注参数用于区分病理亚型，研究发现ve是区分胸腺癌和胸腺瘤相对最好的参数(AUC=0.802)。未来可以将更多的MRI新技术如扩散峰度成像、磁共振弹性成像等功能成像运用于纵隔肿瘤的影像诊断中。

3.2 影像组学与机器学习

影像组学作为影像诊断研究热点方向，也为纵隔肿瘤影像诊断开辟了新思路。Zhang等[23]对74例胸腺囊肿及116例TETs运用CT影像组学诺莫图结合16个放射组学特征和3个常规CT表现，包括病变边缘、分叶和CT值，在区分胸腺囊肿和胸腺上皮肿瘤方面优于Rad评分、常规CT模型和放射科医生的临床判断，该模型训练队列的AUC、灵敏度、特异度和准确度分别为0.980、0.870、0.983和0.914,验证队列分别为0.992、0.958、0.933和0.9949。Ren等[24]对172例TETs分析术前临床因素、CT征象和纹理特征使用最小绝对收缩和选择算子回归建立4个预测模型，来区分低危及高危胸腺瘤，其中由平均值、球形度和纹理参数组成的模型对TET患者具有较好的个体化预测，训练队列和验证队列的AUC分别为0.82和0.86。影像组学除了在区分胸腺上皮源性肿瘤组织学分类的应用外，在预测Masaoka-Koga临床分期上也有重要意义。Wang等[25]对199例胸腺瘤CT图像进行纹理分析，最后获得3个增强CT和5个平扫CT影像组学特征以预测胸腺瘤临床分期，结果显示增强CT(AUC=0.82)与平扫CT(AUC=0.86)均可作为区分早期胸腺瘤与晚期胸腺瘤的非侵入性生物学标志。辛永康等[26]将114例TETs根据Masaoka-Koga分期分为早期与进展期，提取CT平扫及增强图像上肿瘤各期的纹理参数，对纹理参数进行降维后求得加权Rad-score值，在鉴别早期和进展期CT增强扫描动脉期预测效果最好(AUC=0.878)。

人工智能机器学习和深度学习的应用已经逐渐在医学研究领域普及，在肺结节、乳腺结节诊断等多个领域的研究较为成熟，影像组学联合机器学习等方法进行纵隔肿瘤诊断也开始被研究。Feng等[27]在509例TETs中提取了1 218个放射学特征及4个临床特征，并建立了14个模型，其中支持向量机(support vector machine, SVM)临床放射学模型在交叉验证结果中效果最好(AUC=0.841),区分低危胸腺瘤与高危胸腺瘤+胸腺癌的灵敏度、特异度和准确度分别达到80.00%、63.41%和71.05%,区分胸腺癌和胸腺瘤分别达到33.33%、98.63%和96.05%,证明了其预测TETs简化风险分类的潜力，其预测性能优于放射科医生的评估。Shang等[28]在201例前纵隔肿瘤中提取了73个放射学特征，联合临床特征和CT特征运用SVM构建组合模型，该模型在区分前纵隔囊肿与胸腺瘤的AUC为0.922,在区分低危及高危胸腺瘤的AUC为0.783,也高于放射科医生的评估。Yang等[29]开发深度学习3D-DenseNet模型，运用CT图像区分174例胸腺瘤Masaoka-Koga分期，预测效果较好(AUC=0.773),可能有助于胸腺瘤分期分类，可以指导手术治疗并改善预后。另外临床医生也开始用组学及深度学习的研究方法进行手术方式的选择及预测预后。Zhou等[30]为了提高术前诊断准确性并降低非治疗性胸腺切除术率，从280例TETs的增强CT图像中提取放射性特征并开发预测诺莫图，研究发现在预测治疗性胸腺切除术概率方面，组合模型的准确度(AUC=0.870)高于临床模型(AUC=0.752),也侧面证实了深度学习在纵隔肿瘤方面的临床意义。

MRI检查在前纵隔肿瘤诊断分期应用也逐渐普遍，同时在此方面MRI检查也逐渐应用于放射组学与机器学习联合的分析研究。Xiao等[31]从182例胸腺瘤患者的T2加权、T2加权脂肪抑制和DWI图像中提取放射组学特征，使用多变量逻辑回归分析来开发放射组学诺模图，包含临床、常规MR成像变量、ADC值和放射组学特征，该模型在区别胸腺瘤类别产生了最优效能，在训练队列及测试队列AUC值分别为0.946和0.878。Lin等[22]将62例前纵隔肿瘤的DCE-MRI衍生参数与基于机器学习的预测模型相联合用于鉴别前纵隔肿物病理亚型，包括年龄、灌注参数和肿瘤维度数据等10个参数，区别淋巴瘤、胸腺瘤和胸腺癌的灵敏度分别为52.9%、74.2%和92.8%,特异度分别为97.8%、93.5%和70.8%,总预测准确率为72.58%。Xiao等[32]回顾性收集了189例TETs的临床和MRI数据，从T2加权图像和T2加权脂肪抑制图像中选择了125个特征来构建用于预测病理分类的放射学模型，并选择了69个特征来构建用于预测TNM分期的放射学模型，模型在训练队列中AUC值分别达到了0.880和0.948,在测试队列中分别达到了0.771和0.908。

18F-FDG PET-CT与影像组学和机器学习联合可能有助于预测胸腺上皮肿瘤的病理风险亚型。Ozkan等[33]在27例胸腺瘤中运用18F-FDG PET/CT图像上 SUVmax、SUVmean、SUVpeak、MTV和总病变糖酵解以及纹理特征和临床信息构建机器学习模型，该模型预测胸腺瘤风险组效果较好(AUC = 0.830)。Nakajo等[34]研究基于18F-FDG PET-CT的放射学和深度学习特征，从卷积神经网络中提取深度学习特征，使用6种不同的机器学习算法来预测TETs的病理风险亚型，预测效能最好的为逻辑回归模型，其AUC值为0.900,准确率为81.0%。未来可以通过人工智能不同方面的应用进行大样本多中心验证与研究，进一步探究机器学习在纵隔肿瘤诊断方面的价值。

3.3 CT功能成像技术

CT目前为纵隔肿瘤最常用的诊断方式，随着CT新型功能成像的发展，多种新技术也可用于纵隔肿瘤的诊断。CT灌注扫描(volume perfusion computed tomography, VPCT)是一种功能成像技术，通过获取血流量、血容量来提供组织灌注的定量数据，可用于评估肿瘤血管生成、对周围组织的浸润以及肿瘤对放化疗的反应。Bakan等[35]研究发现，CT灌注扫描有助于区分胸腺瘤与胸腺增生、淋巴瘤、胸腺癌及纵隔型肺癌，胸腺瘤的血容量(blood volume, BV)值明显高于淋巴瘤，胸腺瘤的血流量(blood flow, BF)和BV值更加明显高于非胸腺瘤恶性肿瘤。Jing等[36]对51例TETs评估VPCT扫描参数包括BV、BF、平均转运时间(mean transport time, MTT)和通透性(permeability, PMB)在区分胸腺上皮肿瘤亚型的价值，研究发现低危胸腺瘤感兴趣体积及感兴趣区域的BV和PMB值明显高于高危胸腺瘤和胸腺癌。

能谱CT原理是根据不同物质的吸收系数随X射线能量变化的曲线计算得出感兴趣物质在任意单能量X射线下的CT值，从而提供更优质的影像质量和更有价值的临床信息[37]。Zhou等[38]针对56例TETs患者采用多能量能谱CT扫描对胸腺上皮源性肿瘤与胸腺囊肿进行鉴别诊断，发现60 keV的单能量CT值在动脉期有良好的鉴别诊断性能(cutoff=68.42 HU; AUC=0.978),70keV的单能量CT值在静脉期有良好的鉴别诊断性能(cutoff=59.77 HU; AUC=0.956)。另外，能谱CT中物质密度影像的碘图提供了一种快速检测实体灌注缺损以及定量评估实体灌注缺损体积的方法。韩引萍等[39]针对14例侵袭性胸腺瘤和10例纵隔淋巴瘤患者采用能谱CT参数单能量CT值、碘浓度、水浓度对前纵隔侵袭性胸腺瘤和淋巴瘤进行定量分析以进行鉴别诊断，结果显示侵袭性胸腺瘤动脉期和静脉期40～80 keV单能量CT值及碘浓度均高于淋巴瘤， 水浓度低于淋巴瘤，以静脉期碘浓度9.11(100 μg/cm3)为阈值，诊断侵袭性胸腺瘤的灵敏度、特异度均达100%。何琛波等[40]针对86例胸腺肿瘤患者应用能谱CT定量参数帮助鉴别胸腺肿瘤，测量70 keV能级下动脉期与静脉期标准化碘浓度、能谱曲线斜率(k),研究发现以上参数联合应用时诊断效能更高(AUC=0.877)。未来可以将更多对CT新型成像技术或分子功能成像等多种技术运用于纵隔肿瘤的诊断中。

3.4 PET-CT分子功能成像

PET图像分析运用定性及半定量方法，计算18F-FDG的SUVmax值，同时使用PET/CT将PET的代谢信息与CT的形态学数据相结合。在前纵隔肿瘤的诊断方面，18F-FDG PET/CT诊断淋巴瘤已广泛应用，在预测胸腺上皮源性肿瘤组织学亚型及Masaoka分期方面也可以发挥作用[41]。Ishibashi等[42]针对32例TETs测量18F-FDG PET/CT参数，包括SUVmax、代谢肿瘤体积(metabolic tumor volume, MTV)和总病变糖酵解活性(total lesion glycolysis activity, TLG),发现SUVmax与WHO分类之间存在显著相关性，在预测胸腺上皮肿瘤早期和晚期的ROC分析中，TLG曲线下的面积最高(AUC=0.854),临界值为30.735。另有研究证明，18F-FDG PET/CT的SUVmax和SUVmax/肿瘤大小是有助于区分胸腺瘤和胸腺癌的预测因素，区分胸腺瘤和胸腺癌SUVmax的临界值为5.34[43]。其他一体化成像如18F-FDG PET-MRI,也开始逐渐应用于TETs等研究。Sugawara等[44]探讨了18F-FDG PET/MRI在前纵隔病变鉴别诊断中的临床应用价值，对42例胸腺癌、胸腺瘤或前纵隔囊肿的患者的MRI表现和SUVmax进行比较，SUVmax在前纵隔囊肿(与胸腺瘤和胸腺癌相比，均P<0.001)、胸腺瘤(与胸腺癌相比，P=0.032)和胸腺癌之间存在显著差异。

另外，其他的放射性示踪剂被发现有助于诊断胸腺肿瘤。少数病例报告描述了前列腺癌复发患者在进行PET-CT扫描时偶然发现纵隔异常18F、11C或18F-氟代噻吩-胆碱摄取，通过对比发现18F-氟代噻吩-胆碱分布导致更高的靶-背景信号比以及更清晰的肿瘤分界，因此提出了将放射性标记的胆碱用于胸腺癌患者诊断策略可能性的问题[45]。未来可以尝试引用除18F-FDG外更多的正电子发射器放射示踪剂，探究其在纵隔肿瘤诊断方面的价值，另外可以进一步运用一体化成像如PET/MRI等，探究其对于胸腺肿瘤的分期和治疗反应评估的作用及价值。

综上所述，纵隔肿瘤发病率较低且种类复杂多样，仅凭影像诊断十分困难，未来可以将最新的影像检查技术、方法以及多学科联合运用于纵隔肿瘤诊断中。

参考文献:

[2]张莹.不同CT征象对胸腺瘤与其他常见纵隔恶性肿瘤的鉴别诊断效能分析[J].影像研究与医学应用,2022,6(17):50-52.

[3]李家贺,向光宇,张继朋,等.2023年第1版《NCCN胸腺瘤和胸腺癌临床实践指南》解读[J].中国胸心血管外科临床杂志,2023,30(4):506-513.

[6]刘景华,周凡,刘彦琴,等.中性粒细胞碱性磷酸酶染色对淋巴瘤病理分型及病情评估的意义[J].实用医学杂志,2011,27(23):4210-4212.

[7]秦岫波,齐丽萍,杨欣,等.不同病理类型纵隔原发生殖细胞肿瘤的临床及CT表现[J].中国介入影像与治疗学,2022,19(10):641-644.

[14]岳庆梅,万娅敏,俞富龙,等.纵隔血管瘤的CT表现及病理对照分析[J].临床放射学杂志,2021,40(7):1321-1324.

[26]辛永康,施耀军,胡玉川,等.基于CT图像纹理分析预测胸腺上皮性肿瘤Masaoka-Koga分期的研究[J].影像诊断与介入放射学,2023,32(3):163-168.

[37]马拓,曹立秀,李会菊,等.前纵隔淋巴瘤与胸腺癌能谱CT的表现差异[J].中国医学科学院学报,2020,42(4):431-435.

[39]韩引萍,张玉婷,王丹,等.能谱CT成像对侵袭性胸腺瘤与纵隔淋巴瘤的鉴别诊断价值[J].中国医学影像学杂志,2016,24(6):464-467.

[40]何琛波,黄海华,龙江涛,等.能谱CT定量参数对于鉴别胸腺良恶性肿瘤病变的价值研究[J].中国CT和MRI杂志,2023,21(6):78-80.

基金资助:国家自然科学基金(81971616);

文章来源:陈佳琪,王建卫.纵隔肿瘤的影像诊断及研究进展[J].中华肿瘤防治杂志,2024,31(01):47-52.