颌面骨骼肉瘤性病变的螺旋CT成像特征：一项回顾性分析

《Journal of Stomatology Oral and Maxillofacial Surgery》：The spiral CT imaging characteristics of sarcomatous lesions in the maxillofacial bones: a retrospective analysis

颌面部骨肉瘤、软骨肉瘤及Ewing肉瘤的螺旋CT影像特征比较分析。回顾性研究163例病例，发现三种肿瘤在年龄分布（39/54/14岁）、好发部位（颌骨占多数）及影像表现（骨破坏模式、肿瘤骨形成及牙周膜间隙增宽）存在显著差异，为早期诊断提供影像学依据。

　　

Xiao-Yun Xu|Yu-Ting Yang|Dan-Ni Zheng|Xiao-Tong Ling|Yan Chen|Deng-Gao Liu

北京大学口腔医学院及医院口腔颌面放射科、国家口腔疾病临床研究中心、国家口腔生物材料与数字医疗设备工程技术研究中心、数字口腔学北京重点实验室、卫生部计算机化牙科工程技术研究中心、国家药品监督管理局牙科材料重点实验室，中国北京市海淀区中关村南大街22号，邮编100081

摘要

目的

:早期和准确诊断肉瘤性病变对改善患者预后具有重要意义。本研究旨在分析颌面骨中骨肉瘤、软骨肉瘤和尤文肉瘤的螺旋CT影像特征。

方法

:回顾性识别并统计分析了骨肉瘤、软骨肉瘤或尤文肉瘤患者的CT影像特征。

结果

:共招募了163名患者，其中骨肉瘤139例，软骨肉瘤11例，尤文肉瘤13例。三种病变的中位年龄分别为39岁、54岁和14岁（Kruskal-Wallis检验）。骨肉瘤病例中，上颌有54例，下颌有83例，同时累及上下颌的病例有2例。软骨肉瘤病例中，上颌3例，下颌3例，颞下颌关节区域5例。尤文肉瘤病例中，上颌3例，下颌10例。三种肿瘤类型的肿瘤大小存在差异。骨破坏模式（成骨型、溶骨型和混合型）在不同肿瘤类型间无显著差异。然而，χ²检验显示三种肿瘤的肿瘤基质矿化存在显著差异：骨肉瘤主要表现为棘状（33.1%）和不规则斑块状（39.6%）；软骨肉瘤中有36.4%的病例未显示肿瘤骨；而尤文肉瘤中有38.5%的病例显示棘状肿瘤骨。骨肉瘤病例中牙周韧带间隙增宽的现象比软骨肉瘤（20%）或尤文肉瘤（27.3%）更为常见（χ²检验）。

结论

:CT影像表现对颌面骨中肉瘤性病变的诊断和鉴别具有一定的价值。

引言

原发性恶性骨肿瘤是20岁以下患者癌症相关死亡的第三大原因[1]。骨肉瘤、软骨肉瘤和尤文肉瘤是颌部和面部骨骼中相对常见的肉瘤性病变[2]。与长骨骨肉瘤相比，颌骨骨肉瘤的远处转移较少，生存率较高。尽管如此，颌骨骨肉瘤的5年总生存率和疾病特异性生存率分别为53%和62%[3]。软骨肉瘤的疾病特异性死亡率为37.9%[4]，尤文肉瘤的中位生存期为40个月[5]。因此，早期和准确诊断颌面骨中的肉瘤性病变对改善患者预后具有重要意义。这些病变的影像学表现通常包括侵袭性骨破坏、软组织肿块和肿瘤骨形成[3]。尽管文献中对它们的影像特征有详细描述，但它们有许多共同特征，使得进一步鉴别变得具有挑战性。

CT成像在评估骨基质变化、精确评估颌骨破坏程度以及确定肿瘤的解剖定位方面具有独特优势[6]。然而，专注于颌面区域这三种病变的放射学特征的比较研究很少见，可能是因为其发病率较低。本研究旨在回顾性分析颌部和面部区域骨肉瘤、软骨肉瘤和尤文肉瘤的螺旋CT影像特征，为颌面区域肉瘤性病变的诊断和鉴别提供有价值的参考。

部分摘要

1. 研究对象

本研究回顾性获取了2011年1月至2025年3月期间北京大学口腔医学院及医院影像存档和通信系统（PACS，版本11.0，Carestream Health, Inc. 2008）中骨肉瘤、软骨肉瘤和尤文肉瘤患者的螺旋CT影像数据。研究方案已获得我们机构审查委员会的批准（PKUSSIRB-201736083）。

纳入标准：(1) 具有完整的临床病历；(2) 术后组织病理学结果

患者特征

表2显示了163例颌面骨肉瘤性病变的患者特征。尽管尤文肉瘤中男性患者数量明显少于女性，但三种病变类型之间未见显著差异。此外，三种病变的中位年龄分别为39岁、54岁和14岁（Kruskal-Wallis检验）。

三维影像特征

• (1) 位置、范围和大小

骨肉瘤病例中，上颌有54例，下颌有83例，同时累及上下颌的病例有2例。

讨论

颌骨是骨肉瘤的第四大常见发病部位，约占所有病例的6%[9]。在本研究中，下颌病例占所有病例的约59.7%，男女比例为1.2:1，发病中位年龄为39岁，与其他研究结果一致[2,10]。

软骨肉瘤是一种起源于软骨的罕见恶性肿瘤。头颈部和面部软骨肉瘤占所有软骨肉瘤的1-12%[2]。软骨肉瘤的发病中位年龄

资助

本研究未获得公共部门、商业部门或非营利部门的任何特定资助。

生成式AI声明

本手稿的编写过程中未使用任何生成式AI。

财务披露声明

我们声明没有接受任何可能不当影响我们工作的资助、财务关系或利益冲突。

作者贡献声明

Xiao-Yun Xu：撰写 – 审阅与编辑，撰写 – 原始草案，方法学，数据管理。Yu-Ting Yang：方法学，数据管理。Dan-Ni Zheng：方法学，数据管理。Xiao-Tong Ling：方法学，数据管理。Yan Chen：方法学，数据管理。Deng-Gao Liu：撰写 – 审阅与编辑，方法学，概念构思。