《The Journal of Steroid Biochemistry and Molecular Biology》：Serum Steroid Profiling by LC-MS/MS in Distinguishing Adrenocortical Carcinoma from Other Indeterminate Adrenal Masses
编辑推荐：
肾上腺皮质癌血清激素代谢组学诊断模型研究：62例单侧脂质低密度肾上腺mass经液相色谱-串联质谱检测，发现雄烯二酮（A4）、皮质醇（S）、脱氢表雄酮硫酸（DHEAS）构成最优鉴别组合（AUC 0.923），确诊敏感性83.8%，特异性96%。
阿查娜·拉奥（Archana Rao）| 阿迪蒂亚·法德特（Aditya Phadte）| 阿努杰·班（Anuj Ban）| 萨巴·萨马德·梅蒙（Saba Samad Memon）| 曼吉里·卡尔莱卡尔（Manjiri Karlekar）| 阿努拉格·兰詹·利拉（Anurag Ranjan Lila）| 维贾亚·萨拉蒂（Vijaya Sarathi）| 尼米·坎萨尔（Nimmi Kansal）| 罗希特·巴尔纳巴斯（Rohit Barnabas）| 帕德玛·维克拉姆·巴德赫（Padma Vikram Badhe）| 格温多琳·费尔南德斯（Gwendolyn Fernandes）| 萨米尔·雷格（Sameer Rege）| 加甘·普拉卡什（Gagan Prakash）| 桑托什·梅农（Santosh Menon）| 纳利尼·沙阿（Nalini Shah）| 图沙尔·班德加尔（Tushar Bandgar）
印度孟买国王爱德华纪念医院（King Edward Memorial Hospital）和塞斯·戈尔丹达斯·桑德拉斯医学院（Seth Gordhandas Sunderdas Medical College）内分泌学与代谢科
摘要
对于影像学特征不明确的肾上腺偶发瘤，建议通过尿液多类固醇分析来诊断肾上腺皮质癌（Adrenocortical Carcinoma, ACC）。关于血清类固醇代谢组学在这一领域的应用数据仅限于少数研究。本研究分析了62名患有单侧肾上腺肿块（体积≥3厘米，基线衰减值≥10 HU）的成年患者，这些患者均进行了基线血清液相色谱-串联质谱（LC-MS/MS）多类固醇分析。通过逻辑回归分析，确定了区分ACC与其他非ACC肾上腺肿块的关键类固醇标志物。在62名患者中（中位年龄41岁，男性31人），37人（59.6%）被诊断为ACC。非ACC组（n=25）包括嗜铬细胞瘤（n=9）、肾上腺皮质腺瘤（n=8）、转移瘤（n=4）、施万瘤（n=2）、神经节神经瘤（n=1）和淋巴瘤（n=1）。ACC组的肿瘤体积显著大于非ACC组（9.9厘米 vs 7.0厘米；p < 0.001）。在ACC组中，13种类固醇中有9种水平显著升高：11-脱氧皮质酮（11-deoxycorticosterone, DOC）、17-羟基孕酮（17-hydroxyprogesterone, 17OHP）、11-脱氧皮质醇（11-deoxycortisol, S）、皮质酮（cortisone, E）、雄烯二酮（androstenedione, A4）、脱氢表雄酮（dehydroepiandrosterone, DHEA）和脱氢表雄酮硫酸盐（dehydroepiandrosterone sulphate, DHEAS），其中雄激素（testosterone, T）在女性中升高，孕酮（progesterone, P4）在男性中升高。排除性别相关类固醇后，单变量分析确定了6种具有显著意义的类固醇（17OHP、S、E、A4、DHEA和DHEAS）。通过逐步剔除法建立的多元逻辑回归模型显示，A4、S和DHEAS是最有效的鉴别指标（AUC：0.923），临界值为0.52时，诊断ACC的敏感性为83.8%，特异性为96%。我们的研究结果表明，血清LC-MS/MS分析三种类固醇（A4、S和DHEAS）是一种无创方法，可用于区分ACC与其他影像学特征不明确的肾上腺肿块。
引言
在单侧肾上腺肿块的鉴别诊断中，可以根据其特征性计算机断层扫描（CT）表现准确诊断特定病因，如髓脂瘤、囊肿、出血和富含脂质的肾上腺腺瘤（基线衰减值<10 HU）[1]、[2]、[3]、[4]。而低脂质含量的肾上腺肿块，如低脂质肾上腺皮质腺瘤（Adrenocortical Adenoma, ACA）、嗜铬细胞瘤（Pheochromocytoma, PHEO）、肾上腺皮质癌（Adrenocortical Carcinoma, ACC）、浸润性病变（转移瘤、淋巴瘤等）或其他罕见良性肾上腺肿块（施万瘤、神经节神经瘤等），其CT表现具有重叠性[5]。ACC患者的总体生存率较低，但早期诊断预后较好；因此及时诊断至关重要[6]、[7]。大多数ACC为单侧、低脂质含量且体积较大；仅有约1%的ACC体积小于2.0厘米，约2-4%的ACC体积小于2-4厘米[8]、[9]。约50%的ACC患者存在临床和生化激素异常[6]。基于质谱技术的尿液多类固醇分析显示，无论是内分泌活跃型还是激素沉默型的ACC肿瘤，其尿液中类固醇激素前体（生物活性较低）和雄激素水平均升高[10]。尿液类固醇代谢组学分析能够区分ACC与其他肾上腺肿瘤，并已在前瞻性队列研究中得到验证[8]。这种无创检测方法优于肾上腺活检，因为组织病理学可能无法明确区分ACC和ACA，且活检存在针道播散的风险[11]。因此，最新的肾上腺偶发瘤指南建议对影像学特征不明确的肾上腺肿块患者进行尿液类固醇分析[12]。指南和专家建议通过液相色谱-串联质谱（LC-MS/MS）检测肾上腺类固醇水平（脱氢表雄酮硫酸盐（DHEAS）、17-羟基孕酮（17OHP）、雄烯二酮（A4）、睾酮（T）、17-β雌二醇（17-β estradiol）和11-脱氧皮质醇（S），有助于ACC的诊断和随访。尽管如此，目前尚未确定最合适的类固醇前体和性激素检测组合。
近期有几项研究证明，通过LC-MS/MS进行血清多类固醇分析可以区分ACC与非ACC肾上腺肿瘤[13]、[14]、[15]、[16]。值得注意的是，其中两项研究（分别来自德国和美国）的ACC患者样本量均超过30例[14]、[16]。这些关于血清类固醇代谢组学的研究为判断ACC提供了临界值。血清样本相对于尿液样本具有采集方便和临床应用性更强的优势，因为血清LC-MS/MS检测设施更为普及。
本研究在一家三级医疗机构进行，旨在探讨通过LC-MS/MS结合逻辑回归模型分析，准确区分ACC与其他单侧、低脂质含量（基线衰减值≥10 HU）且体积较大（≥3厘米）的影像学特征不明确的肾上腺肿块。
材料与方法
这项回顾性研究在三级医疗机构进行，得到了机构伦理委员会（EC/OA-47/2025）的批准。由于研究属于回顾性设计，因此免除了获取患者知情同意的要求。研究人员回顾了2018年1月至2025年4月期间的临床病例记录，纳入了年龄≥18岁的成年患者，这些患者具有单侧、低脂质含量（基线衰减值≥10 HU）且体积较大（≥3厘米）的肾上腺肿块，并且其血清类固醇水平可通过LC-MS/MS检测进行分析。
统计分析
统计分析使用IBM SPSS Statistics 28版本（IBM公司）完成。分类变量以数字和百分比形式呈现，比较时根据情况使用卡方检验或Fisher精确检验。连续变量以中位数及四分位数范围（IQR）或范围表示。根据数据分布情况，使用配对t检验或Mann–Whitney U检验进行组间比较。
结果
共纳入62名患者（31名男性），他们具有单侧、低脂质含量且体积较大的肾上腺肿块（≥3厘米），并且在诊断时进行了血清类固醇水平检测。诊断时的中位年龄为41岁（32-50岁）。肿瘤中位直径为9.6厘米（3.1-19.5厘米），基线衰减值为36.2 HU（13.1-65 HU）。59.6%（37/62）的患者被诊断为ACC，其余非ACC肿块包括嗜铬细胞瘤（n=9）、肾上腺皮质腺瘤（n=8；其中2例伴有库欣综合征，1例症状轻微）。
讨论
本研究显示，LC-MS/MS检测显示ACC组中的类固醇前体/代谢物（11-脱氧皮质酮、17-羟基孕酮、11-脱氧皮质醇、S）和雄激素（雄烯二酮、DHEA和DHEAS）水平高于其他影像学特征不明确的肾上腺肿块（体积≥3厘米，基线衰减值≥20 HU）。应用逻辑回归分析，包含三种关键类固醇（S、A4和DHEAS）的预测模型具有最高的鉴别能力（AUC：0.923）。
尿液类固醇分析有助于区分ACC与其他肾上腺肿瘤。
结论
通过LC-MS/MS检测三种关键类固醇（S、A4和DHEAS）的血清类固醇分析是一种无创且有效的方法，可用于区分ACC与其他影像学特征不明确的肾上腺肿块（体积≥3厘米，基线衰减值≥10 HU）。未来需要在更大规模的ACC及其他病因多样的肾上腺肿块队列中验证我们的发现。
伦理声明
本研究遵循《赫尔辛基宣言》进行，并获得了孟买塞斯GS医学院和KEM医院的机构伦理委员会批准（参考编号EC/OA-47/2025）。由于本研究为回顾性研究，无需获取患者知情同意，因此机构伦理委员会免除了这一要求。
披露声明
本研究不存在利益冲突。作者无需披露任何相关信息。
资助
作者未获得本文研究、作者身份及发表的任何财务支持。
CRediT作者贡献声明
萨巴·萨马德·梅蒙（Saba Samad Memon）：撰写 – 审稿与编辑、研究设计、数据管理。阿努杰·班（Anuj Ban）：撰写 – 初稿撰写、方法学设计、研究设计、数据管理。阿迪蒂亚·法德特（Aditya Phadte）：撰写 – 初稿撰写、方法学设计、研究设计、数据管理、概念构思。阿查娜·拉奥（Archana Rao）：撰写 – 初稿撰写、方法学设计、研究设计、数据管理、概念构思。尼米·坎萨尔（Nimmi Kansal）：撰写 – 审稿与编辑、方法学设计。维贾亚·萨拉蒂（Vijaya Sarathi）：撰写 – 审稿与编辑、研究设计、数据管理。
利益冲突声明
作者声明不存在可能影响本研究结果的已知财务利益或个人关系。
