《Radiología (English Edition)》：Staging of endometrial cancer. An illustrated guide to understand and apply the 2023 FIGO system
编辑推荐：
子宫内膜癌2023年FIGO分期更新强调分子病理学数据整合，需结合影像学评估（如MRI）和病理特征进行动态分期，尤其关注POLEmut和p53abn亚型。与2009版对比，新增分子亚型标记（如I-m POLEmut），并优化淋巴结分期标准（Node-RADS系统）。研究通过图表解析新分类的影像学应用要点及常见误判风险。
A. 加西亚·博拉多（Ana García Bolado）|E. 朱利安·戈麦斯（E. Julián Gómez）|D. 瓦尔·加里霍（Daniel Val Garijo）
西班牙桑坦德大学马尔克斯·德瓦尔德西利亚医院（Hospital Universitario Marqués de Valdecilla）放射诊断科
摘要
国际妇产科联合会（FIGO）关于子宫内膜癌分期的分类标准在2023年进行了更新。这一新的分类标准基于临床病理学数据，对放射科医生来说是一个挑战，因为他们在为肿瘤确定预后分期之前需要了解其组织学信息。本文提供了理解2023年FIGO分类标准所需的相关组织学信息，并附有解释性图表以及与旧分类标准的对比分析，旨在帮助放射科医生更好地开展工作。
引言
2023年，国际妇产科联合会（FIGO）发布了新的子宫内膜癌分期分类标准（FIGO 2023），该标准可以与美国癌症联合委员会（AJCC）及肿瘤（T）、淋巴结（N）、转移（M）[TNM]分期系统结合使用。这一更新的主要依据是癌症基因组图谱项目（The Cancer Genome Atlas）所取得的关于子宫内膜癌分子病理学的进展，该项目由美国国家癌症研究所发起，旨在研究癌症的遗传基础，从而改进其诊断、治疗和预防方法。这些进展揭示了与以往不同的预后亚型，这些亚型需要根据不同的治疗方案进行重新定义和调整。
尽管这是一个临床病理学分期系统，但在子宫内膜癌的分期过程中，放射科医生的作用仍然至关重要，无论是在早期还是晚期阶段。磁共振成像（MRI）仍是评估肿瘤宏观范围的最佳成像技术，通常用于确保肿瘤被正确地归入相应的预后和管理组。
FIGO 2023分类标准中病理学和分子数据的核心地位可能让人认为MRI提供的信息变得不那么重要了；然而，真正的变化在于放射科医生必须意识到，分期工作如同多学科团队合作一样，是一个需要共同努力的过程。
在开始新的分期流程之前，放射科医生需要牢记两点：首先，必须熟悉肿瘤的组织学类型；其次，要认识到在早期阶段（I期和II期），由于分子信息的重要性，分期结果往往是初步的，而这些分子信息大多来自手术标本的分析，可能会改变最初的放射学分期结果。即便如此，我们仍需考虑这些信息，以避免对子宫内膜癌的分期判断出现偏差。
本文旨在为根据最新的FIGO 2023分类标准进行准确的子宫内膜癌分期提供指导。为此，文章概述了一些基本要点，并对比了新旧分类标准，强调了差异、新变化及潜在的错误之处，同时通过图表辅助理解。
组织学类型与分化程度
在开始放射学分期之前，了解肿瘤的组织学类型和分化程度至关重要，以便将其归类为非侵袭性或侵袭性肿瘤。
在FIGO 2023分类标准中，肿瘤的组织学类型的重要性得到了进一步提升，要求我们在放射学分期算法中选择不同的起点。
手术标本的最终分析
对于采用手术治疗的早期病例，手术标本的分析可以提供额外信息，从而可能改变最初的放射学分期结果。由于放射科医生在标本活检前无法获得这些信息，因此分期结果只能是初步的。这些分子数据包括：
淋巴结分类
将淋巴结分类为正常、可疑或明确受肿瘤影响，对整个肿瘤学领域的放射科医生来说都是一项挑战。为此，开发了Node-RADS系统，该系统根据影像学特征（大小和形态）来评估淋巴结受累的程度，分为1至5级（图3）。
成像方案
用于子宫内膜癌MRI分期的成像方案主要包括矢状面上的高分辨率T2加权序列，以及子宫短轴和长轴上的成像。建议同时使用轴向T1加权图像和扩散加权成像（DWI）序列，尤其是轴向图像，以减少图像伪影。为了更精确地评估肿瘤对肌层的浸润程度，还可以进行动态的3D T1加权序列检查。
FIGO 2023分类标准与FIGO 2009分类标准的对比
如前所述，I期和II期分期基于解剖学和组织学发现。如果分子检测结果显示POLEmut或p53abn突变，FIGO分期会相应调整，此时会在分期代码中添加字母“m”来表示分子变异情况，并附上相应的下标。其他分子标志物不会改变最初的I期和II期分期，但仍需记录下来。
III期和IV期分期则主要基于解剖学和手术结果。
讨论
根据分子特征的不同，子宫内膜癌的预后存在差异，这凸显了新的FIGO 2023分类标准的必要性，该标准通过整合大量肿瘤分子数据，能够更精确地预测预后。值得注意的是，这一分类标准的制定过程中并未达到75%的专家共识。
CRediT作者贡献声明
安娜·加西亚·博拉多（Ana García Bolado）参与了研究概念和设计，特别是结构、内容及初稿的撰写。
埃莱娜·朱利安·戈麦斯（Elena Julián Gómez）参与了研究概念和设计，尤其是文中解释性图表的图形设计。
丹尼尔·瓦尔·加里霍（Daniel Val Garijo）参与了研究概念和设计，尤其是提供了与分子病理学相关的内容，包括组织学图像资料。
三位作者共同完成了这项研究。
关于写作过程中生成式人工智能和人工智能辅助技术的声明
作者声明在撰写本文的过程中未使用任何人工智能技术。
资金来源
本文未获得公共部门、企业界或任何非营利组织的资金支持。
利益冲突声明
三位作者均无利益冲突。
致谢
感谢坎塔布里亚卫生服务机构的妇科肿瘤委员会所有成员，正是他们的努力使得每周一都能做出重要决策；特别感谢该委员会的主任——肿瘤科医生安娜·德·胡安·费雷（Ana de Juan Ferré），她在许多方面都起到了模范作用。
