综述：高级磁共振神经成像（MRN）在腮腺肿瘤术前面神经评估和手术规划中的应用：当前证据与手术转化综述

《Frontiers in Oncology》：Advanced magnetic resonance neurography for preoperative facial nerve assessment and surgical planning in parotid tumors: a review of current evidence and surgical translation

　　

传统腮腺手术历史上依赖于间接解剖标志，这些标志在面对病理扭曲时常常失效。本叙述性综述评估了高级磁共振神经成像（MRN）与三维（3D）模型在术前面神经评估中的临床效用，旨在架起放射学进展与实用手术规划之间的桥梁。研究人员进行了全面的文献检索，以评估成熟的临床工具和实验技术。研究人员评估了高分辨率MRI序列、定量弥散指标和影像组学分析，重点关注它们提供支持性规划信息的能力及其与临床结局的关联。当前证据证实，先进的成像序列能够可靠地显示面神经主干及其初级分叉，尽管描绘远端神经分支在技术上仍具挑战性。定量参数和影像组学特征可能有助于瘤周风险分层，但它们尚未被验证为检测真正隐匿性神经周围浸润或微小恶性特征的独立方法。将这些影像发现与患者特异性三维（3D）模型融合，可提供结构信息，可能有助于考虑靶向手术入路，例如逆行神经追踪。虽然这些先进模式严格作为辅助工具以优化术前规划，但它们无法取代术中判断或既定安全规程——持续神经监测和精细手术技术对于优化功能结局仍然至关重要。

1 Introduction（引言）
腮腺手术的核心在于处理颅外面神经。外科医生希望完全切除肿瘤，同时保护神经结构与功能。尽管广泛使用手术显微镜和术中神经监测（IONM），面神经麻痹仍是术后显著并发症，永久性麻痹发生率约为1.2%至7.9%，早期短暂性无力发生率在10%至77%之间。这些并发症率并非独立于影像质量，而是严重依赖于肿瘤类型（良性或恶性）、位置、外科医生经验、切除范围及是否为初次或翻修手术。面神经功能丧失严重影响患者生活质量，因此术前准确识别神经至关重要。在深叶肿瘤、高级别癌或复发性肿瘤等复杂病例中，风险更高：深叶肿瘤占腮腺肿瘤的约11%，常推移或包绕面神经，使正常顺行解剖极为困难，永久性神经麻痹风险可高达50%。间断性术中神经监测虽可检查神经，但无法预先防止手术损伤，仅在直接接触神经时提供电反馈，且无法在切开前提供清晰的神经三维（3D）地图。为解决这些解剖难题，高分辨率磁共振神经成像（MRN）正成为一种有价值的支持性成像方法以显示面神经。本叙述性综述总结了MRN对颅外面神经的临床应用，重点聚焦近年技术进展，如微型表面线圈和快速三维（3D）序列，并区分成熟临床工具与新兴实验技术（如影像组学和人工智能）。通过结合定量影像数据与三维（3D）模型，提出实用决策流程，可能帮助外科医生选择最佳手术方案（如顺行或逆行解剖）。整合先进MRN可能提供额外解剖见解以补充传统标志，促进更知情、图像引导的手术入路。

2 Literature search strategy（文献检索策略）
为确保客观性并减少选择偏倚，在PubMed、Embase和Web of Science中检索文献。现代成像文献限定时间为2000年1月至2026年4月，关键词包括：“parotid neoplasm*” OR “parotid gland tumor*” AND (“magnetic resonance neurography” OR “facial nerve” OR “3D-DESS” OR “DCE-MRI” OR “radiomics” OR “artificial intelligence” OR “cost-effectiveness” OR “surgical planning”)。此外，手动交叉引用已检索文章的参考文献。纳入标准：（1）经同行评议的原始研究，评估原发或复发性腮腺肿瘤患者；（2）研究先进MRI序列（如3D-DESS、CISS、PSIF）、影像组学或人工智能算法用于面神经评估；（3）报告定量结局，如神经可视化率、诊断准确性或术后面神经功能。排除标准：（1）体外、生物力学或非人类动物模型；（2）病例报告或小病例系列（n < 5）缺乏标准化神经成像方案；（3）非原始出版物包括叙述性综述、社论、信件或未经全文同行评审的会议摘要；（4）腮腺特异性数据无法从其他头颈部病变中单独提取；（5）非英文出版物。这些严格标准仅适用于先进神经成像和计算成像文献；对于经典解剖、病理生理模拟及基本手术指南，则叙述性纳入相关文献以提供临床背景。两位作者独立审阅文献以确保数据完整性并减少选择偏倚。需明确本文为叙述性综述而非系统综述，故采用描述性综合，未追踪筛选排除文章的精确数字流程图，也未进行正式质量评估或偏倚风险评估。

3 The limitations of indirect landmarks（间接标志的局限性）
在先进磁共振（MR）技术之前，外科医生和放射科医生无法可靠地显示面神经在腮腺内的详细走行及细小远端分支，因为神经束、血管与腮腺组织在标准T₁或T₂加权像上信号相似。历史上基于间接解剖标志估计神经位置并划分腺叶，常见标志包括下颌后静脉（RMV）、面神经线（FN line）、乌得勒支线和Conn弓。在正常解剖或小浅表肿瘤中，这些标志非常有用。然而，大肿瘤容易压迫或推移静脉，使脂肪平面难以观察；二维（2D）线（如连接二腹肌与下颌骨的FN线）假设解剖不变，在肿瘤改变三维（3D）解剖时可靠性降低。肿瘤引起的占位效应是主要局限：良性肿瘤（如多形性腺瘤）可将面神经推离正常位置，在良性浅叶肿瘤中约38%的病例主神经干不在正常位置；在深叶肿瘤中，FN线诊断准确性仅35.7%。此外，部分患者存在自然解剖变异（如双面神经干、第一鳃裂异常），传统CT或MRI常无法显示。传统手术标志和术中神经监测仍是安全腮腺手术的基础，但在深部或扭曲肿瘤中，这些间接标志的局限性催生了MRN的应用。

4 Evolution of MR neurography sequences（磁共振神经成像序列的演变）
先进MRI序列在直接显示腮腺内面神经方面显示出显著前景。在讨论神经特异性序列之前，需回顾日常临床中使用的常规MRI工具。常规T₁加权、T₂加权及增强图像可评估肿瘤大小、边界及潜在浸润。然而，常规MRI常缺乏足够特异性进行明确组织学定性，因此动态对比增强MRI（DCE-MRI）成为有价值辅助工具，通过时间-强度曲线（TIC）反映对比剂动力学，有助于区分多形性腺瘤（A型曲线）、Warthin瘤（B型曲线）及恶性肿瘤（C型曲线）。但DCE-MRI和常规MRI均缺乏必要对比度和空间分辨率以可靠显示腮腺内面神经干及其分支，这凸显了优化神经成像的序列需求。早期尝试使用平衡稳态自由进动（SSFP）序列（如FIESTA），但对磁场不均匀性敏感，在茎乳孔附近出现带状伪影。三维（3D）稳态构成干扰（3D-CISS）序列通过组合两个扫描周期减少伪影，提供良好对比噪声比（CNR），有助于显示主干及初级分叉（颞面干和颈面干）。三维（3D）双回波稳态水激励（3D-DESS-WE）序列通过水激励抑制脂肪，面神经呈高信号，腮腺组织呈低信号，报道诊断准确率可达92%至97.8%，但在远端分支可视化上存在局限，缓慢流动的血液可产生高信号导致血管模拟。三维（3D）反转快速成像稳态进动弥散加权成像（3D-PSIF-DWI）序列施加弥散梯度使流动血液信号消失，而神经内静态液体保持信号，结合表面线圈可能识别部分远端分支（如颞支或颧支），但终端分支的可视化仍高度依赖高场强扫描仪、特定线圈配置和技术方案。远端分支可视化面临显著技术限制：分支极细（接近空间分辨率极限）、采集时间长（5-15分钟）易产生运动伪影、难以从放射学上区分细小神经与唾液腺导管及终末血管。超短回波时间（UTE）和点状编码时间减少径向采集（PETRA）序列正被探索用于评估颞骨内面神经，可生成合成CT图像，但目前仍属实验性技术，需广泛临床验证。

5 Quantitative imaging and DTI tractography（定量成像与弥散张量成像纤维束成像）
高分辨率MRI序列提供面神经形态细节，但无法评估微结构完整性。弥散张量成像（DTI）被探索用于神经评估，但标准DTI在腮腺中表现不佳，因腺体结构复杂（交叉分支、血管网络、间隔）。为克服交叉纤维问题，结合高角分辨率弥散成像（HARDI）与约束球形反卷积（CSD）模型，可更可靠地计算纤维方向分布，使颅外面神经纤维束成像更可靠。弥散成像还提供分数各向异性（FA）等定量生物标志物：健康腮腺面神经FA约0.166，当肿瘤压迫或牵拉神经时，FA值降低。基于纤维束的加权成像（TWI）将空间纤维束成像数据转换为定量图，平均路径长度（AP）可能区分良性移位与恶性神经周围浸润：良性肿瘤仅导致机械移位，AP保持相对正常（均值16.23毫米）；恶性播散浸润神经外膜，AP显著升高（约39.86毫米）。这些定量差异可能有助于术前风险分层。尽管如此，DTI纤维束成像、HARDI和CSD仍属实验性或新兴技术，缺乏标准化，应严格视为辅助工具，不能取代术中判断和术中神经监测。

6 Radiologic-pathologic correlation: detecting occult invasion（放射-病理相关性：检测隐匿性浸润）
定量弥散指标评估微结构完整性，而宏观空间关系也具诊断价值。先进MRN有助于识别成像-病理关联，作为支持性神经成像指标辅助术前风险分层。

6.1 Tumor-specific imaging footprints（肿瘤特异性成像足迹）
原发面神经肿瘤的准确识别依赖于高分辨率MRI的形态学发现。腮腺内面神经鞘瘤在T₂加权像上常显示“靶征”（外周明亮Antoni B组织，中心暗区Antoni A组织），以及“线征”显示神经段与肿瘤囊直接相连。识别这些特征有助于鉴别神经源性肿瘤与常见腺体病变，可能辅助手术规划及神经保留策略。对于上皮性恶性肿瘤，腺样囊性癌（ACC）是神经周围播散的典型范例，表现为不对称神经增厚及异常增强。唾液腺导管癌（SDC）常显示“煎蛋征”（T₂加权像中心暗区为玻璃样变性/坏死，外周明亮为存活肿瘤）。识别这些宏观肿瘤特征为术前风险分层提供基础，但真正显微浸润需病理学确认。

6.2 Multiparametric MRI and ADC mapping（多参数MRI与表观弥散系数图）
多参数MRI方案包括弥散加权成像。表观弥散系数（ADC）图反映肿瘤细胞密度，有助于鉴别良性多形性腺瘤（PA）与癌在多形性腺瘤中（CXPA）。良性PA ADC值高（>1.8 × 10^-3 mm²/s），恶性转化区域ADC降低（<1.2 × 10^-3 mm²/s）。这些发现应视为风险分层标记，而非神经浸润的确定证据，最终决策需依赖术中组织学和神经监测。

6.3 Zonal progression of perineural spread（神经周围播散的区域进展）
在ACC和SDC等高危组织学类型中，肿瘤沿神经周围间隙向茎乳孔和颅底逆行播散，可能出现跳跃性病灶。先进MRN显示特征性模式：早期不对称神经增强（脂肪抑制对比增强T₁加权像），进展期神经段呈结节或梭形，晚期脂肪平面消失。识别这些特征和潜在跳跃性病灶有助于术前规划，但术中冰冻切片仍是确认神经受累范围的金标准。

6.4 Radiomics and high-dimensional predictive modeling（影像组学与高维预测模型）
影像组学从标准MRI序列中提取数百个高维纹理特征，反映微观细胞紊乱。观察性研究表明，影像组学模型和列线图在肿瘤分类和恶性预测中取得良好诊断结果。然而，当前影像组学的能力需谨慎解读：用于一般肿瘤分类和恶性预测已有初步证据，但尚未被验证为检测真正面神经侵袭或神经周围播散的独立方法。因此，影像组学应视为实验性/研究技术，仅用于术前风险分层，不能取代术中导航、冰冻切片或外科医生直接判断。

6.5 Radiological mimickers and diagnostic pitfalls（放射学模拟病变与诊断陷阱）
依赖神经增强和区域软组织浸润可能导致假阳性诊断。多种良性炎症性疾病可模拟恶性特征：急性化脓性腮腺炎及脓肿导致血-神经屏障破坏，出现弥漫性高信号和增厚；Warthin瘤梗死引起局部异物反应和纤维化，导致边界模糊和不均匀增强；坏死性涎腺化生和颅底炎性假瘤沿颅神经淋巴浆细胞浸润，增强明显。识别这些模拟病变是重要的诊断保障，但最终区分依赖组织病理学确认。

7 Translating imaging to preoperative surgical planning（将影像转化为术前手术规划）

7.1 Re-evaluating surgical outcomes and clinical confounders（重新评估手术结局与临床混杂因素）
先进MRN和三维（3D）模型提供全面解剖可视化，但需避免假设改善可视化直接导致优化手术结局。术后面神经功能保留依赖于多种临床变量：肿瘤大小、位置、病理、切除范围、外科医生经验、翻修状态及术中神经监测。不同手术入路（从囊外解剖到全腮腺切除术）具有不同的基线风险。成像技术仅作为支持性规划信息，不能取代术中安全管理系统。术中神经监测是识别和保护面神经的核心金标准。

7.2 Practical clinical workflow and decision-making（实用临床流程与决策）
提出层次化图像引导临床决策流程：常规病例使用常规MRI，高风险病例（深叶受累、肿瘤>3cm、复发、高度怀疑恶性）考虑先进MRN（3D-DESS-WE、CISS）及对比增强序列。根据整合特征识别三种临床场景：良性表现、不利解剖、恶性包裹。在解剖困难病例中，术前MRN映射可能支持考虑逆行解剖入路。肿瘤-神经距离测量可辅助切除范围估计，但最终决策依赖术中综合判断。

7.3 Multimodal image fusion and 3D digital modeling（多模态图像融合与三维数字建模）
通过整合神经特异性MR序列与CT数据，可构建患者特异性三维（3D）数字模型，提供面神经与肿瘤、血管、骨性标志的直观空间关系。观察性研究报道这些模型可能改变高达50%临床病例的预期手术入路，并将术中识别面神经的中位时间从35分钟缩短至25分钟。然而，术后功能结局的改善是多因素的，不应归因于成像技术本身。三维（3D）模型和多模态融合平台仍缺乏标准化，应视为高级辅助工具而非确定性引导。

8 Current bottlenecks and future directions（当前瓶颈与未来方向）

8.1 Artificial intelligence in image reconstruction and auto-segmentation（人工智能在图像重建与自动分割中的应用）
长期扫描时间和手动分析工作负荷限制高分辨率MRN普及。基于深度学习（DL）的重建方法可缩短扫描时间，但相关应用仍处于探索阶段。自动分割技术（如nnU-Net）在分离腮腺组织和肿瘤方面显示初步效果，但面神经完整走行的自动追踪远更困难，现有模型主要基于正常解剖训练，复杂条件下无法可靠识别。人工智能辅助自动分割不能取代专业放射科医生解释，属新兴实验技术。

8.2 Soft tissue deformation and augmented reality navigation（软组织变形与增强现实导航）
腮腺软组织弹性是增强现实（AR）和混合现实导航标准化的主要障碍。术前静态MRI与术中体位变化（颈部伸展、下颌移位）导致解剖位置偏移。刚性配准算法存在固有误差（3.14-3.51毫米），且AR系统无法实时动态校正软组织位移。因此，AR导航仅提供支持性空间参考，不能取代直接视觉观察和术中神经监测。

8.3 Healthcare economics and stratified clinical availability（医疗经济学与分层临床可用性）
先进MRN需要3-Tesla扫描仪和专业多学科团队，成本较高，在非专科机构难以普及。高分辨率超声结合彩色多普勒仍是表浅腮腺病变的一线成像方法，经济高效且可引导细针穿刺。因此，MRN并非通用筛查工具，而是针对复杂解剖场景（深叶、复发、怀疑恶性）的靶向辅助手段，旨在提供支持性规划信息，而非独立预防术后功能障碍。

9 Conclusion（结论）
先进的磁共振神经成像（MRN）结合定量参数和多模态三维（3D）模型可贡献于腮腺肿瘤的术前解剖评估和风险分层。这些技术提供详细空间信息，辅助识别提示潜在神经周围播散的放射学特征，为多学科团队制定个性化手术策略提供支持。但需认识到，改善成像可视化并不直接转化为功能结局或肿瘤安全性的改善，术后结果仍受多种临床和手术混杂因素强烈影响。鉴于软组织变形和人工智能平台缺乏标准化，这些先进成像工具应严格定位为术前辅助手段，而非确定性术中指导。最终，面神经功能的有效保留依赖于影像学评估、精细手术技术和实时术中神经监测的协同整合。