编辑推荐：
在前列腺癌治疗中，确定是否进行扩大盆腔淋巴结清扫术（ePLND）存在难题。研究人员开展了整合基因组分类器（GC）和磁共振成像（MRI）结果预测淋巴结转移（LNI）的研究。结果显示该模型有较高准确性，能减少不必要手术，对临床决策意义重大。
在前列腺癌的治疗领域，外科医生常常面临一个棘手的问题：对于接受根治性前列腺切除术（RP）的患者，是否要进行扩大盆腔淋巴结清扫术（ePLND）。ePLND 虽然是目前淋巴结分期的金标准，能准确判断病情，但它耗时久，还容易引发如淋巴囊肿、淋巴水肿等术后并发症。而且，对于低、中风险前列腺癌患者，是否该进行 ePLND，医学领域一直没有明确的共识。
此前的预测模型也存在诸多不足。一些模型纳入的信息有限，没有充分利用现代成像技术和基因组检测的成果。比如，虽然多参数磁共振成像（mpMRI）能提供有价值的信息，但只有少数研究将其纳入预测算法，且这些研究样本量小，模型的通用性不强。另外，mpMRI 无法检测到的 “隐匿性” 前列腺癌对淋巴结转移预测的影响，也一直未得到深入研究。同时，尽管基因组分类器（GC）在预测侵袭性前列腺癌和长期不良肿瘤学结果方面有重要价值，但在淋巴结转移的预测建模中，其应用却很有限。
为了解决这些问题，来自未知研究机构的研究人员开展了一项意义重大的研究。他们的研究成果发表在《Clinical Genitourinary Cancer》上。研究人员旨在开发并验证一种能预测淋巴结转移（LNI）的模型，该模型综合了临床、影像学、组织学和基因组等多方面的参数。
在研究过程中，研究人员采用了多种关键技术方法。首先，他们进行了回顾性分析，收集了 2014 年至 2024 年接受 RP 和 ePLND 治疗局限性前列腺癌患者的数据。其次，根据术前检查、影像学和 GC 检测结果，将患者分为三个队列：队列 I 为有可疑 mpMRI（PI-RADS≥3）的患者；队列 II 为非可疑 mpMRI 的患者；队列 III 为进行了前列腺活检和 GC 检测的患者（不论 MRI 结果如何）。然后，运用逻辑回归分析创建预测 LNI 的列线图，并通过受试者工作特征（ROC）曲线和决策曲线分析（DCA）评估模型的准确性和临床效益。此外，还利用人工神经网络（ANN）构建二进制分类模型来计算 LNI 风险。
研究结果如下：
- 基线特征：队列 I 中，138 名（6.4%）患者有 LNI，术前前列腺特异性抗原（PSA）、数字直肠检查（DRE）结果、MRI 的 PI-RADS 评分、MRI 病变大小、MRI T 分期、活检国际泌尿病理学会（ISUP） Gleason 分级组（GGG）、阳性核心数等在有 LNI 和无 LNI 患者间存在显著差异。队列 II 中，49 名（3.97%）患者有 LNI，可疑 DRE、活检 GGG、MRI LNI 和阳性核心百分比等有统计学意义。队列 III 中，69 名（6.87%）患者有 LNI，PSA、可疑 DRE、PIRADS 评分、MRI LNI、阳性核心总数、活检 GGG 和活检 GC 评分等在两组间差异显著。
- 单变量和多变量分析：队列 I 中，术前 PSA、活检 GGG、阳性活检核心数、MRI 病变大小、MRI T 分期和 MRI LNI 是 LNI 的重要预测指标；队列 II 中，活检 GGG、阳性核心百分比、较小的 MRI 前列腺体积和 MRI LNI 可显著预测 LNI；队列 III 中，活检 GGG、阳性活检核心数、MRI T 分期、LNI 和活检 GC 评分对 LNI 有显著影响。最终，MRI T 分期、PSA、活检 GGG、PIRADS 评分、GC 评分、MRI LNI 和阳性核心总数被纳入构建预测 LNI 的列线图模型。
- ROC 曲线、列线图和最佳截断值：队列 I、II、III 预测 LNI 的 ROC 曲线下面积（AUC）分别为 0.92、0.84 和 0.92；使用 ANN 计算的 ROC 曲线 AUC 分别为 0.90、0.82 和 0.91，与传统多变量模型表现相似。通过列线图不同截断值分析，发现能在避免大量 ePLND 手术的同时，仅漏诊少量 LNI 患者。例如，队列 I 中使用 4% 和 6% 的截断值，可分别避免 67.5% 和 74.9% 的 ePLND 手术，漏诊率仅为 1.2% 和 1.4%；队列 II 使用 7% 的截断值，可避免 88.6% 的手术，漏诊率 1.9%；队列 III 使用 6% 和 8% 的截断值，可避免 75.7% 和 81.4% 的手术，漏诊率分别为 0.9% 和 1.3% 。DCA 分析表明该模型在检测淋巴结转移方面具有临床效益。
研究结论和讨论部分指出，该研究开发的列线图将阴性 mpMRI 结果和 GC 纳入风险分层评估，提高了模型的通用性。ANN 在风险分层中是一种可行的方法，与标准多变量模型相比，具有相当甚至更优的预测能力。这一研究成果意义重大，它为临床医生在前列腺癌手术决策中提供了更精准的依据，有助于避免不必要的 ePLND 手术，减少患者的手术创伤和术后并发症，提高患者的生活质量。同时，也为后续研究指明了方向，如进一步将 ANN 纳入标准临床实践，开发能根据患者信息持续更新的动态列线图，以及探索将前列腺特异性膜抗原正电子发射断层扫描（PSMA PET）纳入模型的可能性，有望进一步提升对前列腺癌淋巴结转移的预测准确性，推动前列腺癌治疗领域的发展。
