累及海绵窦的侵袭性垂体神经内分泌肿瘤的管理

《Neurosurgery Clinics of North America》：Management of Invasive Pituitary Neuroendocrine Tumors Involving the Cavernous Sinus

　　

章节摘要

关键点

• •
  海绵窦 (CS) 是一种复杂的静脉结构，包含颈内动脉和多条脑神经，垂体神经内分泌肿瘤 (PitNETs) 经常侵犯此处。
• •
  存在多种 CS 侵犯模式，范围从内侧壁 (MW) 的显微镜下侵犯、MW 的局灶性侵犯、MW 增厚，到 MW 破坏并侵犯 CS 隔室。
• •
  功能性 PitNETs 表现出 CS 侵犯增加，且 CS 疾病的切除是

海绵窦解剖

CS 是一个复杂的静脉丛，包含关键的神经血管结构，包括颈内动脉、第 III、IV、V1、V2 和 VI 对脑神经（图 1）。¹³ CS 由骨膜（外）和硬脑膜（内）的分隔形成。¹⁴ CS 的内侧壁 (MW) 仅由硬脑膜组成，而 CS 的其余壁由骨膜和硬脑膜两层组成。

海绵窦侵犯的术前评估

早期识别 CS 受累对于手术计划至关重要。增加怀疑的 MRI 特征包括颈内动脉包裹、正常静脉隔室丢失、动脉周围增强缺失、CS 不对称扩张和 MW 不规则。^1,20, 21, 22, 23

Knosp 分级仍然是最广泛用于根据冠状面 MRI 上肿瘤相对于颈内动脉的延伸来估计 CS 侵犯的放射学系统。^20,24 较低的 Knosp 分级与降低的

内侧壁和海绵窦侵犯的模式

CS 侵犯存在于一个谱系中，范围从显微镜下侵犯到 MW 完全破坏并直接侵犯 CS 隔室（图 2）。⁷ 识别这些模式对于术前计划和安全最大限度地切除 CS 疾病至关重要。

手术入路选择

开颅开放手术、显微经蝶术、内镜经鼻手术以及联合入路均已用于切除伴有 CS 受累 PitNETs。对于大多数伴有 CS 侵犯的病变，内镜经鼻入路是首选通道，鉴于其提供的可视化和操作角度。对于通过 CS 颅内延伸的病例或具有显著侧向延伸而阻碍安全的巨大 PitNETs，可考虑联合和开颅入路

功能性垂体神经内分泌肿瘤

对于表现出 CS 侵犯的功能性 PitNETs，CS 疾病的安全最大切除与生化缓解率增加相关。^6,7,12,25,30, 31, 32, 33, 34, 35, 36 特别是对于生长激素分泌型 PitNETs，其中 80% 的肿瘤表现出 MW 侵犯，⁶ 手术后的生化缓解率历史上报道为 32% 到 85%。^37,38 然而，随着内镜经窦手术和 CS 疾病切除的实施，缓解率已经

非功能性垂体神经内分泌肿瘤

与功能性 PitNETs 相反，非功能性 PitNETs 切除 CS 疾病的指征仍有更多争议。与功能性 PitNETs 相反，侵犯 CS 的非功能性 PitNETs 不会导致全身性疾病，且与没有 CS 侵犯证据的肿瘤相比，其增殖指数并未增加。⁴⁰ 然而，CS 侵犯已被确定为疾病复发的风险因素⁴¹ 且 CS 内的残留疾病与 27% 到

放射治疗

放射是最大安全切除后 CS 残留疾病进展生长或激素分泌持续的主要辅助治疗。44, 45, 46, 47, 48 立体定向放射外科可在 CS 内提供较高的肿瘤控制率，并可在选定的功能性 PitNETs 中实现生化缓解。^44,45,49 放射外科的主要长期风险是垂体功能减退，特别是对于较大的肿瘤或对垂体和垂体柄剂量较大的情况。50, 51, 52 垂体

并发症

尽管经窦手术发生在颈内动脉和脑神经附近，但并发症率与仅限于蝶鞍的手术相比并未显著增加。¹⁰ 颈内动脉损伤的报告率为 0.7% 到 2%，^9,10 这与现代内镜队列中观察到的约 0.2% 的颈内动脉损伤风险相当。⁶⁰ 由于 CS 的静脉渗血，术后血肿也报道发生在 2% 的涉及 CS 切除的病例中，与 2% 的比率

总结

伴有 CS 侵犯的 PitNETs 占所有病例的 18% 到 42%。1, 2, 3, 4 虽然 Knosp 分级在识别具有显著侧向延伸的病变中的 CS 侵犯方面很有用，但在检测细微的 CS 疾病方面存在局限性。特别是在功能性 PitNETs 中，必须高度怀疑 CS 受累，因为它们表现出增加的 CS 侵犯，且切除可导致缓解改善。最大安全切除取决于理解 CS 解剖和 MW

临床关注点

• •
  对 CS 及其隔室的解剖学理解对于安全探索和切除 CS 内的疾病至关重要。
• •
  功能性 PitNETs 表现出较高的 CS 内侧壁侵犯率，即使在低 Knosp 分级情况下也应怀疑 MW 侵犯。
• •
  对于切除 CS 疾病的功能性 PitNETs，生化缓解率显著增加。

写作过程中人工智能及人工智能辅助技术的声明

在本作品准备期间，作者使用 Perplexity AI 协助文献搜索。使用此工具后，作者审查并编辑了内容，并对出版物的内容承担全部责任。

披露

作者报告称，与本手稿的内容无关的利益冲突。

Jonathan B. Lamano|Collin Liu|Matei A. Banu|Juan C. Fernandez-Miranda