综述：基于MRI的风险计算器对前列腺癌诊断的临床影响：系统综述与荟萃分析

这篇综述系统评价了基于MRI的风险计算器（RCs）在前列腺癌（PCa）诊断中的价值，证实其相比传统临床模型能显著提升临床显著性前列腺癌（csPCa，AUC 0.84 vs 0.76）和所有PCa（AUC 0.81 vs 0.74）的鉴别能力，支持其整合至临床实践以减少不必要活检并优化医疗资源分配。

　　

引言

前列腺癌（PCa）作为全球男性第二高发癌症，2020年新增病例超140万例。传统诊断方法如前列腺特异性抗原（PSA）检测和直肠指检（DRE）因敏感性与特异性不足，常导致过度诊断和不必要活检。欧洲泌尿外科协会（EAU）指南推荐将多参数MRI（mpMRI）和风险分层工具纳入诊断流程，而本研究首次通过荟萃分析量化MRI整合对风险计算器（RCs）性能的提升。

方法学

研究遵循PRISMA指南，系统检索5大数据库，纳入16项比较MRI-based RCs与临床RCs的文献。采用CHARMS清单提取数据，通过logit(AUC)转换和随机效应模型评估诊断性能差异，并利用PROBAST工具评估偏倚风险。

核心发现

诊断性能提升：MRI-based RCs对临床显著性PCa（csPCa，Gleason评分≥3+4）的鉴别能力显著优于临床模型（AUC差值0.49 logit单位，相当于AUC从0.76升至0.84）。对于所有PCa，差异虽略低（0.37 logit单位），但仍具统计学意义。

临床价值：每5%的logit(AUC)提升对应约0.01的AUC增长，可能减少15%的假阳性活检。决策曲线分析（DCA）显示，MRI-based RCs在阈值概率5%-30%范围内提供更高净收益。

异质性来源：PI-RADS 3病例比例（研究中位20.7%）和外部验证状态显著影响结果。高PI-RADS 3比例队列中，MRI-based RCs表现更优（AUC差值0.59 logit单位），提示其对模棱两可病例的判别价值。

局限与挑战

31%研究存在高/不明偏倚风险，且回顾性设计可能引入混杂因素。MRI协议差异和PI-RADS版本变迁（如v2.1）可能加剧异质性。此外，多数模型缺乏明确活检阈值，限制临床直接应用。

前沿展望

技术创新：前列腺特异性膜抗原PET（PSMA PET）在PRIMARY试验中展现对PI-RADS 1-3病例的精准分流潜力；人工智能（如CNN）可辅助降低MRI判读变异。

生物标志物：PSA密度（PSAD）联合Likert评分能减少21.9%的PI-RADS 3分类，而CAPES工具进一步优化了风险分层。

结论

MRI-based RCs通过整合影像与临床参数，实现了从“一刀切”到个体化诊断的跨越。未来需推动模型标准化、阈值界定及实时临床系统整合，最终降低医疗负担并改善患者预后。

（注：全文数据与代码已开源至Mendeley Data，供重复验证。）