基于PI-RADS v2.1联合临床指标构建列线图模型提升PSA≤20 ng/mL人群前列腺癌诊断效能的研究

本研究针对PSA≤20 ng/mL人群前列腺癌诊断难题，开发了融合双参数MRI的PI-RADS v2.1评分与临床指标的列线图模型。研究通过LASSO回归筛选出PI-RADS v2.1、%fPSA、ADC值和血红蛋白四个独立预测因子，模型在训练集和验证集的AUC分别达0.922和0.898，显著优于单一指标诊断效能，为临床精准决策提供可视化工具。

　　

在全球男性恶性肿瘤谱系中，前列腺癌（Prostate Cancer, PCa）始终占据主导地位。虽然中国发病率较西方国家偏低，但随着磁共振成像（Magnetic Resonance Imaging, MRI）技术的普及与革新，临床检出率呈现同步攀升态势。多参数MRI（multiparametric MRI, mpMRI）已成为PCa筛查与评估的核心手段，其中基于T2加权成像（T2-weighted imaging, T2WI）和扩散加权成像（diffusion-weighted imaging, DWI）的双参数MRI（biparametric MRI, bp-MRI）因规避钆对比剂风险、缩短扫描时间，尤其适用于肾功能不全患者，逐渐成为研究热点。

前列腺特异性抗原（Prostate-Specific Antigen, PSA）虽是常用血清标志物，但在4-20 ng/mL的灰度区间其诊断特异性显著受限，该范围患者癌症检出率波动于11.8%-25%。传统穿刺活检作为金标准具有侵入性，且存在漏诊临床显著癌的风险。PI-RADS v2.1（Prostate Imaging Reporting and Data System version 2.1）为bp-MRI评估提供标准化框架，但其单独应用在中等PSA人群中的诊断效能仍有提升空间。因此，如何整合影像特征与临床指标构建无创、精准的诊断模型，成为当前临床实践的重要挑战。

为破解这一难题，温州平阳县人民医院与温州医科大学附属第二医院联合开展研究，旨在开发融合bp-MRI影像特征与临床参数的预测列线图（nomogram），优化PSA≤20 ng/mL人群的PCa诊断策略，减少不必要的穿刺操作。研究成果发表于《Abdominal Radiology》，为临床决策提供新思路。

研究团队回顾性纳入2020年1月至2023年12月期间接受bp-MRI检查并经穿刺病理确诊的218例PSA≤20 ng/mL患者，按7:3比例划分为训练集（153例）与验证集（65例）。关键技术方法包括：采用1.5T MRI系统进行标准化bp-MRI扫描（T2WI及DWI序列），由两名盲法放射科医生独立进行PI-RADS v2.1评分；通过十折交叉验证的LASSO回归筛选预测变量，结合多因素逻辑回归确定独立预测因子；构建列线图模型后，通过受试者工作特征曲线下面积（Area Under Curve, AUC）、校准曲线及决策曲线分析（Decision Curve Analysis, DCA）评估模型性能。

研究结果

• •
  基线特征分析
  病理确诊PCa患者97例（44.5%），良性组121例（55.5%）。与良性组相比，PCa组前列腺体积更小、血红蛋白（Hemoglobin, HGB）更低，总PSA（tPSA）、PSA密度（PSAD）及PI-RADS v2.1评分更高（均P<0.001）。放射科医生间PI-RADS v2.1评分一致性达到显著水平（κ=0.649, P<0.001）。
• •
  预测模型构建
  通过机器学习筛选出PI-RADS v2.1评分、表观扩散系数（Apparent Diffusion Coefficient, ADC）值、游离PSA百分比（%fPSA）和血红蛋白四个独立预测因子。列线图模型在训练集AUC为0.922，验证集AUC为0.898，校准曲线显示预测概率与实际结果高度吻合。

• •
  诊断性能比较
  单独应用PI-RADS v2.1（截断值为4）时，诊断敏感性与特异性分别为73.2%和86.8%。而列线图模型将敏感性提升至81.2%，特异性达89.3%。

• •
  亚组分析
  外周区（Peripheral Zone, PZ）病变的病理异常检出率（68.2%）显著高于移行区（Transition Zone, TZ）（34.2%），调整后比值比（Odds Ratio, OR）为4.34。按tPSA分层后，<10 ng/mL与≥10 ng/mL亚组均显示PZ病变风险更高，且未发现病灶位置与tPSA水平存在交互作用。
• •
  临床案例验证
  研究展示两例PI-RADS v2.1评分均为3的患者。一例87岁男性ADC值0.941×10^-3 mm²/s、%fPSA为0.1、血红蛋白114 g/L，列线图计算风险达87.3%，病理证实为Gleason 4+5癌；另一例64岁男性相应指标为1.179×10^-3 mm²/s、0.58、125 g/L，风险仅1.2%，病理为良性增生。凸显模型精准区分能力。

结论与讨论

本研究证实，基于bp-MRI的PI-RADS v2.1评分本身对PSA≤20 ng/mL人群的PCa检测具有良好预后价值（AUC=0.848）。而整合%fPSA、ADC值及血红蛋白构建的列线图模型，进一步将诊断效能提升至AUC 0.922，且校准与决策曲线分析均验证其临床实用性。%fPSA作为经典血清标志物（AUC=0.760），血红蛋白通过影响肿瘤微环境氧供与基因组稳定性参与癌变进程，ADC值则反映肿瘤细胞密度与水分子扩散受限程度，多维度指标互补增强模型鲁棒性。

该模型为临床医生提供了直观的可视化工具，有望在保持诊断精度的前提下，减少对侵入性活检的依赖，优化PCa筛查流程。尽管研究存在单中心回顾性设计的局限性，且活检本身存在采样误差，但列线图所展现的差异化风险评估能力，为中等PSA人群的个体化诊疗提供了有效框架。未来需通过多中心、大样本前瞻性研究进一步验证模型的普适性。