0 引言

       2022年美国癌症协会发布了美国过去十年间被诊断为晚期前列腺癌（prostate cancer, PCa）的比例从3.9%增加到8.2%^[1]。早期识别PCa的神经微环境有利于预测肿瘤的侵袭性与进展，从而阻碍PCa进展为晚期。PCa神经侵袭与患者的预后和生存率密切相关。神经周围侵袭（perineural invasion, PNI）在PCa中的发生率较高，与肿瘤的侵袭性和进展有关。PNI可以作为预测PCa生化复发和无进展生存期的重要指标^[2]。PCa间质包含有特定成分和作用的神经腔室。神经微环境包括神经密度（Neural density, ND）、PNI和神经内分泌特征（neuroendocrine features, NEF）。SIGORSKI等^[3]指出在PCa中，ND与PNI和肿瘤的NEF呈正相关。传统研究大多是基于Gleason评分、前列腺包膜外侵犯、盆腔淋巴结转移以及骨转移评估PCa的侵袭性及预后^[4]，而新兴大量研究开始关注PCa的神经微环境，且可以直观感受神经纤维的走行。越来越多的数据表明，肿瘤-神经串扰在PCa生物学行为中起着重要的作用^[3]。本文就当前研究热点方向利用神经影像学表征及可视化PCa神经微环境的研究展开综述，总结PCa神经微环境的潜在影像标志物，观察神经的形态学特征，为早期诊断、早期干预、制订手术方案及靶向治疗提供客观、有价值的影像学依据，以此改善预后。

1 影像标志物获取

       随着人工智能（artificial intelligence, AI）和图像数据处理技术的快速发展，利用影像组学方法定量提取医学影像数据迎来广阔的应用前景。影像组学是医学图像和人工智能技术的有力结合，其定义是从医学图像中提取和选择大量的定量特征，然后筛选特征作为有显著意义的影像标志物，以反映潜在的肿瘤间异质性和生物表型。基于显著影像标志物的放射组学模型有可能协助临床手术中的PCa定制管理^[4]。付宇斐等^[5]利用各种结构与功能MRI技术得到的定量指标进行脑结构、脑功能和脑网络相关的影像学分析，提取神经影像学标记物，有助于理解精神疾病的病理生理学、预测结局以及通过不同的病理生理学机制而非单纯依赖临床症状来分类脑病。即获取PCa神经微环境的影像标志物有助于精准医学下的个体化治疗。

2 PCa神经微环境之ND

2.1 ND定义及临床意义

       ND是肿瘤神经支配最常用的定量参数之一^{[6, 7, 8]}。采用TH、VACHT、PGP 9.5、NF-H、NF-L抗体等免疫标记的载玻片数字图像系统，结合特殊的图像处理算法进行分析。所有的技术都有不同的特异性和敏感性水平。一些研究者将ND定义为总神经面积、单位面积神经数量或不同的ND评分^{[9, 10]}。SIGORSKI等^[3]用PGP、TH和NFP进行免疫组织化学，用于神经结构（神经、神经纤维/轴突）的形态学和定量分析，并定义ND为在400倍放大率（0.15 mm²的面积）下每个视野的神经结构平均值。HÄNZE等^[10]研究指出TMPRSS2 ERG基因融合状态阳性的PCa组织可能显示出ND增大。REEVES等^[11]研究指出无肿瘤浸润的交感ND和非肾上腺素能、非氮能纤维的神经浸润是前列腺切除术后生化复发的独立预测因子，支持自主神经系统在PCa进展中的作用。在一些PCa研究中，高ND与较差的临床结果和较高的肿瘤增殖指数相关，这可以通过ND和促生存途径、激素受体状态、共同调节因子和共同抑制因子之间的相关性来解释^[12]。然而，MAGNON等^[12]仅在高危PCa患者中发现PCa中ND增加。他们通过数字显微镜软件计算具有代表性的正常前列腺和PCa区域的神经纤维，并区分肿瘤等级来评估ND。MAGNON等^[12]还发现前列腺中自主神经纤维的形成调节PCa在小鼠模型中的发展和传播。化学或外科交感神经切除术以及基质β2-和β3-肾上腺素能受体的基因敲除可以早期阻碍肿瘤发展。副交感神经胆碱能纤维浸润也促进了癌症的进展与传播，胆碱能诱导的肿瘤侵袭和转移受到基质1型毒蕈碱受体的药理学阻断或遗传破坏的抑制，导致小鼠存活率提高。该研究通过对来自43名患者PCa标本的回顾性盲法分析显示，肿瘤和周围正常组织中交感神经和副交感神经纤维的密度与不良临床结果相关。那么降低ND及阻断自主神经系统有望成为阻碍PCa进展的新型治疗方法。

2.2 神经可视化及阻断治疗

       PCa的ND可视化面临着成像敏感性和特异性的挑战。MRI是临床诊断PCa的最佳无创性方法。然而，单纯MRI进行PCa的ND可视化敏感性不高，实用性不强。磁粒子成像技术（magnetic particle imaging, MPI）^{[13, 14]}是一种利用磁性纳米粒子（magnetic nanoparticles, MNPs）的非线性磁化行为来确定其局部浓度的新型定量成像技术，可以有效地降低组织的背景噪声，不产生干扰信号，同时有着高敏感性和高分辨率的优点，为ND显像提供可能。更便捷的是，MRI和MPI两种成像技术可以共用一个对比剂[超顺磁性氧化铁（superparamagnetic iron oxide, SPIO）纳米颗粒]，通过结合两种技术的成像优势提高PCa ND可视化的敏感性。此外，为准确评估PCa的ND，提高ND可视化的特异性，研究人员设计并偶联靶向神经结合肽NP41，合成了能特异性靶向PCa神经的探针。它通过MRI和MPI评估PCa的ND和侵袭性，实现了高敏感性和高特异性的PCa ND可视化。YOU等^[8]首先使用NP41标记了荧光染料Cy7，制备了Cy7-NP41纳米颗粒。然后，他们合成了油酸包被的超顺磁性氧化铁纳米颗粒（SPIO@OA NPs）。在MRI和MPI技术中，成功地将Cy7-NP41纳米颗粒应用于小鼠PCa模型中，实现了对肿瘤ND的可视化。最后，他们使用Cy7-NP41纳米颗粒来阻断神经功能，有效抑制了PCa的进展。

       磁流体热疗（magnetic fluid hyperthermia, MFH）^[15]是一种利用MNP加热效应的有前途的非侵入性治疗方法。MPI-MFH有望实现实时MPI指导，局部MFH和无创温度监测，这显示出精确治疗癌症的巨大潜力，通过使用磁性纳米颗粒作为热疗剂，实现了对肿瘤组织的局部热疗效果，相比传统的全身性热疗方法具有更高的治疗精确性和安全性。但是目前的研究主要是基于动物模型或体外实验^{[16, 17, 18]}，对于人体肿瘤的治疗效果还需要更多的研究支持。

       以上研究显示，MPI在PCa的ND可视化、阻断神经治疗以及MFH精确治疗中显示出了独特优势。

3 PCa神经微环境之PNI

3.1 PNI临床意义及相关标记物

       PNI是癌细胞和神经之间的共生关系，最常见于PCa等“噬神经”癌症。它导致神经周围间隙癌细胞生长增加，细胞凋亡减少，并诱导神经生长。PNI是一种癌症扩散的方式，癌细胞在神经内和神经沿线侵袭，通常远远超出可见的原发肿瘤。PNI会引起PCa患者疼痛、感觉异常甚至瘫痪，并且是一个不良预后因素，与癌症复发率增加和患者生存率降低相关^{[19, 20]}。最近的研究揭示了神经微环境在促进这一不良过程中的重要作用^{[21, 22, 23]}。MENG等^[24]的Meta分析显示，PNI是PCa局部治疗后生化复发的独立预测因子。磁共振/超声（magnetic resonance/ultrasound, MR/US）融合靶向活检中PCa的神经浸润与根治性前列腺切除术后前列腺外延伸和早期生化复发有关^[25]。KARSIYAKALI等^[26]通过前列腺中靶向活检（TBx）和/或系统性活检（SBx）PNI发现：PNI对手术切缘阳性，前列腺外延伸和精囊浸润等不良病理特征的特异性/阴性预测值在TBx中分别为79.7%/88.7%，92.5%/79.0%和83.3%/96.8%，在SBx中分别为71.1%/87.1%，80.7%/74.2%和69.5%/91.9%。活检中的PNI与前列腺切除术中的手术切缘阳性，前列腺外延伸和精囊浸润以及国际泌尿病理学会（International Society of Urological Pathology, ISUP）分级组和pT分期之间也存在显著相关性。以上研究表明PNI对PCa预后意义重大，早期识别PNI可以预测生化复发从而早期干预。

       先前的研究表明，单胺氧化酶A（monoamine oxidase A, MAOA）^[27]在临床上与PCa进展相关，并且与PCa的几乎每个特性都密切相关，包括去势抵抗性、神经内分泌性、转移、耐药性、干性和神经周围侵犯^[28]。YIN等^[29]提出MAOA是PCa中PNI的临床和功能上重要的介质。MAOA在体外促进PCa细胞的PNI和原位异种移植模型中的肿瘤神经支配。MAOA以Twist1依赖性转录方式激活SEMA3C，其反过来通过与共激活的PlexinA2和NRP1的自分泌或旁分泌相互作用刺激cMET以促进PNI。此外，MAOA抑制剂治疗有效地降低了体外PCa细胞的PNI和肿瘤浸润神经纤维密度以及抑制的小鼠异种移植肿瘤生长和进展。总的来说，这些发现表征了MAOA促进PNI的发病机制，并揭示了MAOA抑制剂在PCa中PNI靶向治疗的基本原理。OLAR等^[30]指出神经浸润直径增加与PCa细胞增殖增加和细胞凋亡相关，还与参与存活途径的蛋白质相关，这类蛋白质包括核因子κB、c-Myc、磷酸化AKT及其下游效应子FHKR。神经浸润直径增加与激素受体（如雄激素受体）水平升高有关，但与雌激素受体无关。此外，与神经浸润直径相关的还有辅助调节因子和辅助抑制因子，包括SRC1和TIF2。而且，PNI直径与肿瘤体积有很强的相关性，但ND没有。摆俊博等^[31]的研究发现神经营养因子、单核细胞趋化蛋白1/CCL2、神经趋化因子/CX3CL1等因子可能参与了PNI的发生和进展。此外，研究还发现PNI与肿瘤的体积增加、淋巴结受累等预后指标密切相关。PCa的发展和进展与周围肿瘤微环境（tumor microenvironment, TME）的改变相一致，TME由基质细胞和细胞外基质组成，与上皮PCa细胞动态相互作用，影响其生长和侵袭性。反过来，PCa细胞可以通过分泌各种因子（包括神经营养因子）在功能上塑造TME。其中，由上皮PCa细胞和癌相关成纤维细胞释放的神经生长因子（nerve growth factor, NGF）触发各种细胞内信号级联的激活，从而促进转移表型的获得。经过多年的研究，NGF信号的异常和/或紊乱不仅与神经系统疾病有关，而且与包括PCa在内的人类增殖性疾病的发病机制有关^[32]。癌症进展的另一个关键特征是TME中的神经生长，癌细胞释放的NGF可能是肿瘤神经生长的驱动因素，TME中浸润的神经释放神经递质，可能刺激肿瘤细胞的生长和维持。针对现有研究可以挖掘出与PNI有关的新型分子标志物，为模型的建立提供更多且更有意义的特征选择。

3.2 基于多参数MRI

3.2.1 基于判别分析

       PNI是否存在与PCa的预后和治疗方案选择密切相关。因此，准确预测PCa的神经侵犯对于指导治疗和预后评估非常重要。ZHANG等^[33]基于T2WI和扩散加权成像（diffusion weighted imaging, DWI）多参数MRI（multiparameter MRI, mp-MRI）图像的放射学特征和机器学习算法的组合，结合临床因素，通过建立预测模型，可以提取有关肿瘤浸润神经的信息。这些方法有助于预测PCa患者是否存在神经周围浸润的风险，并为临床决策提供指导。FAN等^[34]回顾性收集了252名接受根治性前列腺切除术患者的临床和病理信息，基于T2WI、DWI以及动态对比增强（dynamic contrast-enhanced, DCE）的mp-MRI，采用六种分类器（支持向量机、K最近邻、随机森林、决策树、逻辑回归和XGBOOST）进行模型构建和评估，同时构建了包含临床数据的临床模型和结合了临床数据的mp-MRI放射组学列线图，模型在预测PCa的PNI指标方面具有较高的准确性。基于mp-MRI的放射组学列线图还可以预测直肠癌神经浸润状态^[35]。以上研究都是立足于传统的机器学习算法联合较为经典的分子生物标志物（如前列腺特异性抗原）建立模型预测PCa神经周围侵犯。近年来，技术发展、深入研究和更新的指南已将PCa诊断、侵袭性及预后评估的范式转变为更加个性化和多模式的方法。迫切需要修改传统模型并基于创新的分子生物标志物设计新模型，以适应更复杂的临床情况。而本文提到的MAOA等有望作为新的分子生物标志物。

3.2.2 基于聚类分析

       MENG等^[36]的研究使用癌症分型的多组学整合与分析包^[37]（multi-omics integration and vlsualization in cancer subtyping, MOVICS）进行无监督聚类分析对PCa进行分子亚型鉴定。研究三种亚型在基因表达、代谢途径、免疫检查点蛋白等方面存在差异，并与临床预后和治疗反应相关。既往大多数聚类算法主要关注亚型的预后能力，即亚型是否能预测患者的生存结果，而忽略了对亚型进行系统表征的重要性；同时缺乏统一的数据输入和输出格式，这给后续分析带来了困难。MOVICS包是用于癌症亚型中多组学（如影像组学、基因组学及蛋白组学等）整合和可视化的R包。MOVICS为10种最先进的多组学综合聚类算法提供了统一的接口，并结合了癌症亚型研究中最常用的下游分析，包括从多个角度表征和比较已识别的亚型，包括表征和比较不同亚型的分子表达（如蛋白质）、基因表达以及生物学特性（侵袭性、转移性以及神经内分泌性等）。此外，通过在外部数据集（也称为外部队列）中使用两种无模型方法对亚型进行验证。这个过程检验了在原始数据集上识别的亚型是否也能在这些独立的、外部的数据集中被一致地识别，从而增强了亚型识别的可重复性和普适性。MOVICS还可以轻松创建功能丰富的可定制可视化热图。已有许多研究在基于MOVICS进行聚类分析方面取得了进展^{[38, 39, 40, 41]}。ASHRAF等^[42]的研究指出通过无监督聚类分析，可以识别出乳腺癌肿瘤的内在成像表型，并与基因表达谱有关联。使用提取的DCE-MRI特征作为输入，可以对高风险和低风险的基因表达谱进行分类，具有较高的分类准确性。然而，目前尚无研究者使用MOVICS包开展PCa的PNI影像标志物的探究。那么，对于回顾性收集的PCa患者无论是否发生PNI不进行分组，通过mp-MRI，提取影像组学特征，然后用MOVICS包进行无监督聚类分析得到内在影像表型，从而挖掘PNI潜在的影像标记物，具有一定的研究价值。MOVICS采用getClustNum函数得到的聚类预测指标^[43]和Gaps统计^[44]来估计聚类数量k。两个统计量的和达到最大值的聚类数将被认为是最优的，但也会综合差距统计分析、轮廓评分以及给定癌症类型的分子亚型的先验知识来重新确立k，如在乳腺癌的影像学数据通过getClustNum函数得到的最佳聚类数是3，但如若根据乳腺癌的PAMO分类，则选择k=5，那么何时采用MOVICS的内在函数估计k值或者哪一种方式的得到的聚类数是最优的，尚无明确的标准。

3.3 基于新型成像技术

       弥散张量成像（diffusion tensor imaging, DTI）主要用于量化水分子运动的各向异性。各向异性分数（fractional anisotropy, FA）与表观扩散系数（apparent diffusion coefficient, ADC）是DTI临床应用的两个主要参数，前者表示水分子在组织内扩散的各向异性程度，ADC则反映水分子扩散快慢。另外，通过对各体素水分子扩散信息进行处理可得到纤维示踪图，可以显示前列腺周围神经的走行^[45]。DTI联合三维纤维束示踪成像（diffusion tensor tractography, DTT）技术可追踪神经纤维束的走行，广泛用于神经系统疾病的研究。TIAN等^[46]对50例进行了常规MRI和DTI扫描并经活检或手术病理证实的PCa进行了回顾性研究。根据Gleason评分将50例PCa分为低，中，高三组。使用Neuro 3D软件进行DTI后处理，以测量FA和ADC值，并绘制前列腺纤维图。获得的DTT图清楚地显示了前列腺纤维的空间结构。低级别组癌区纤维密集，无中断，中级别组稀疏无序，高级别组无序稀疏甚至缺失。最后发现DTI参数与Gleason评分之间存在相关性，可用于评估PCa的分级和预后。DI等^[47]纳入48例经活检证实的不同Gleason分级（GG）PCa患者研究扩散峰度成像（diffusion kurtosis imaging, DKI）和DTI在鉴别良性组织、低级别和高级别PCa中的表现时，发现与DTI相比，DKI提供了关于PCa组织的补充和额外信息，因此对PCa衍生的修饰更敏感，并且在区分低风险和高风险PCa方面更准确。既往研究基本上都是用DTI及DKI去评估PCa与Gleason评分之间的相关性，而PNI的性质类似于Gleason评分，也体现出PCa的侵袭性及预后。通过多扩散成像的联合建立模型预测PCa的PNI的发生具有一定的可行性及临床意义。

       基于概率密度函数的多b值、多方向q采样成像的扩散频谱成像（diffusion spectrum imaging, DSI）相较于DTI一个最大的优势在于展现真实、丰富的纤维束走向和连接信息，包括纤维束交叉、分叉等更复杂的结构。尽管使用非高斯扩散技术进行神经周围侵犯的预测及神经纤维可视化未在PCa中常规应用，但这些技术却蕴含着巨大的价值，因为它更加细微、敏感地反映了弥散信息。KARTASALO等^[48]的研究开发了一种基于深度神经网络（deep neural network, DNN）的图像分类模型，该模型可以对前列腺活检样本中的PNI进行自动检测，从而有效地筛查前列腺活检中的神经周围浸润。DNN可以对PNI进行定位，使得PNI变得可视化。经会阴mp-MRI+超声+靶向前列腺活检可使PCa病例的PNI检出率超过30%。增加的PNI检测可能会改进模型，以在临床实践中选择主动监测候选人^[49]。术前氟-18标记氟代脱氧葡萄糖（flurodeoxyglucose, ¹⁸F-FDG）正电子发射计算机断层显像/计算机断层显像（positron emission tomography/computed tomography, PET/CT）的放射组学预测因子在胰腺导管腺癌术前鉴别微血管侵犯（microvascular invasion, MVI）和PNI状态方面具有指导意义的预测效果。显示肿瘤周围信息有助于MVI和PNI预测^[50]。WANG教授^[51]在基于吩噁嗪的近红外荧光团的设计合成与神经成像方面取得新进展。他将药物设计理念与光化学结合，指导开发了能够用于术中神经特异性成像的基于吩噁嗪的近红外荧光团分子库。该研究该系统已被广泛应用于微创前列腺切除手术，可以轻松地描绘出了狗的前列腺神经和猪模型中的髂丛。结果证明了通过分子工程实现NIR神经结合荧光物质的可行性，以便将其轻松整合到现有的手术流程中，为PCa患者降低神经损伤提供了潜在的可能性。

       以上研究采用了多种新型成像方式为预测及显示PNI提供崭新的切入点。然而，DTI及DSI技术目前主要用于脑神经系统的研究；术前¹⁸F-FDG PET/CT的放射组学预测因子目前只在胰腺导管腺癌中开展研究；基于吩噁嗪的近红外荧光团的设计合成与神经成像目前主要开展动物研究，尚未应用于人体研究。然而，笔者认为以上技术在PCa中神经微环境的识别中也存在着一定的使用价值。

4 PCa神经微环境之NEF

       神经间质室负责一种特定的微环境，这种微环境在良性和恶性前列腺中是不同的^[52]。正常前列腺的腺体部分由胆碱能纤维供应，而间质部分由肾上腺素能纤维和肽能神经纤维供应。神经内分泌细胞（NE）分散在前列腺上皮内释放多种神经递质，发挥整合作用。这种神经支配和相互作用模型在癌症中是异常的^[12]。临床前研究支持的证据证实交感神经系统参与了PCa生长的早期和局部发病部位阶段，副交感神经系统在其传播中发挥作用^[53]。神经和癌细胞释放的神经营养因子和轴突引导分子驱动PCa的肿瘤发生。此外，前列腺和PCa细胞的特征是参与神经调节的基因表达改变。TMPRSS2-ERG融合是PCa中最常见的基因改变之一，导致雄激素调节的ERG癌基因过表达，影响包括神经肽Y（neuropeptide Y, NPY）在内的许多信号通路和基因的表达^{[54, 55, 56]}。PCa生物学中最重要的途径是雄激素途径，但神经信号是第二种途径^[57]。有趣的是，在抗雄激素PCa治疗期间，NE细胞的数量增加，导致所谓的“神经内分泌开关”和治疗抵抗（去势抵抗性PCa）^[54]。

       SIGORSKI等^[3]的研究揭示了NPY在前列腺、PCa和TME的神经成分（神经和自主神经节）中的表达。在癌细胞中可以区分NPY的两种来源：来自微环境中的神经的旁分泌，以及在肿瘤成分中允许神经元和非神经元调节的自分泌合成，该肽在肿瘤内的表达是异质性的，并高于良性对照。94%以上的PCa显示NPY表达。SIGORSKI等还分析了NPY与肿瘤神经支配参数的相关性。少数临床研究表明NPY神经支配与辐射抵抗、生化复发和PCa特异性死亡相关^[58]。NPY是一种多效肽，参与许多重要的调节细胞生长和存活的生物学机制。SIGORSKI等的另一项研究结果表明，NPY系统参与PCa，从其发育的早期阶段开始到疾病的传播状态，并参与PCa侵入自身和旁分泌物质^[59]。SIGORSKI等最终提出NPY神经是癌症-神经相互作用的关键调节剂。DING等^[58]的研究表明，靶向NPY神经微环境可能代表了通过调节多种致癌机制来治疗PCa和耐药性的治疗方法。

       同理，基于mp-MRI对PCa患者的影像组学特征进行判别分析及无监督聚类分析得到内在影像表型，通过确认与NPY表达密切相关的亚型，从而有助于PCa神经侵犯的诊断及靶向治疗。

5 基于ND与PNI的神经突定向扩散与密度成像

       神经组织中细胞内外的水分子各具有不同的扩散方式。细胞内水分子由于受神经突起的空间限制而表现为受限扩散，呈非高斯位移分布的特点；而细胞外空间中的水分子由于受神经突起周围空间内的神经胶质细胞、胞体等的影响呈高斯位移分布的特点，表现为受阻扩散。神经突定向扩散与密度成像（neurite orientation dispersion and density imaging, NODDI）能够将影响其参数FA的神经突密度和纤维方向离散度这2种主要因素区分开来，且能够单独分析每一种因素，因此，NODDI在分析组织微观结构变化方面显示出了更高的特异性。NODDI可以反映更真实的水分子分布和运动特点，所以能够更准确地揭示组织的微观结构特性^[60]。它被认为可以量化神经元的微观结构^[61]。神经突定向扩散与密度成像被认为是DWI的延伸，不仅可以估计神经内室的神经突起密度指数和取向分散指数，而且可以提供有关游离水成分和细胞外间隙^[62]。

       NODDI经过后处理后可以产生2个重要的反映微观信息的结构参数：一个是可以反映神经突密度的神经突内容积比（intra-neurite volume fraction, ICVF），另一个是量化神经突起方向变化的神经突起方向分散程度（orientation dispersionindex, ODI）^{[63, 64]}。该技术已在脑胶质瘤、帕金森病等疾病展开应用。胶质瘤恶性增殖取代正常的脑组织，并侵犯到周围的脑组织，从而引起大脑微环境的改变。以对侧正常脑白质作为参照物，胶质瘤引起轴突和神经元纤维投射中断，引起细胞内扩散率下降，ICVF值减低；神经纤维断裂导致肿瘤组织趋于各向同性扩散，ODI值升高^[62]。同理，PCa细胞的恶性增殖，伴随着神经微环境的改变，轴突或ND以及神经侵犯引起的神经纤维中断的改变，会引起ICVF的改变，与此同时，神经侵犯引起神经纤维断裂，也会引起PCa神经组织的ODI值升高。但以上仍处于假设阶段，有待后续的研究进一步验证。

6 小结与展望

       PCa近年来发病率呈现持续快速增长的趋势。PCa患者神经微环境与肿瘤进展及预后密切相关。基于mp-MRI影像组学特征进行判别分析及聚类分析可以识别PNI及NEF的潜在影像标志物，有利于早期诊断，早期干预。基于MPI、DNN图像分类模型可以进行神经可视化，有助于制订手术方案及靶向精准治疗。目前研究的不足之处包括样本量较小、研究设计为横断面研究、无法确定因果关系，以及缺乏对其他潜在因素的控制；目前的新兴神经影像技术包括DTI、DKI、DSI以及NODDI等主要用于脑神经系统的研究；基于吩噁嗪的近红外荧光团的设计合成与神经成像技术，可以轻松地描绘出了狗的前列腺神经和猪模型中的髂丛，但尚未应用于临床人体研究。后续可能的研究方向包括进一步探索ND、PNI和NEF之间的机制关系，以及研究神经微环境在PCa治疗中的潜在作用；此外，可以考虑扩大样本量、采用纵向研究设计，以及结合其他临床和分子特征进行更全面的分析；继续联合基因组学更加系统表征神经微环境；积极应用新兴MRI神经影像技术及图像分类模型，结合生境分析、深度学习等方法，使用内在影像信息更全面地表征肿瘤的微观病理信息。

       综上所述，神经影像技术在PCa神经微环境的研究中已经取得一定进展，并在未来的临床实践中蕴含巨大的潜在价值，为实现精准诊断及精准治疗提供客观、有价值的影像学依据。