突破PI-RADS主导序列规则：多参数MRI提升高级别前列腺癌诊断效能的新评分策略

本研究提出一种创新评分规则，通过整合前列腺影像报告和数据系统（PI-RADS）v2.0/v2.1中非主导序列的影像学发现，显著提高了高级别前列腺癌（GG≥2）的诊断准确性。新规则在AUC值、特异性和读者间一致性方面均优于传统主导序列规则（P<0.01），且适用于不同经验水平的诊断医师。

　　

Abstract

目的

前列腺影像报告和数据系统2.0版（PI-RADSv2.0）和2.1版（PI-RADSv2.1）采用"主导序列"评分规则从脉冲序列类别推导得分。本研究旨在开发并评估一种能更好利用非主导序列发现的新评分规则。

材料与方法

基于1627例接受前列腺多参数MRI和活检患者的单中心数据库，我们根据六分区层面观察到的PI-RADSv2.0脉冲序列类别组合与高级别（分级组≥2）前列腺癌检出率的关联进行排序，将其归入新评分的五个层级。随后采用包含240个MRI病灶的隐藏评估数据集（由21位不同经验水平的读者标注PI-RADSv2.1序列类别），分别计算传统PI-RADSv2.1评分（主导序列规则）和新评分规则下的结果。通过曲线下面积（AUC）、敏感性、特异性、可重复性和临床效用度进行综合比较。

结果

所有读者的新评分平均AUC值（0.78；95%置信区间[CI]：0.73–0.83）显著高于PI-RADSv2.1评分（0.76；95% CI：0.71–0.81；P<0.01）。新评分在所有经验组均呈现较低敏感性、较高特异性和更好的读者间一致性。当以≥3分作为临界值时，对于风险阈值＞0.15的情况，新评分比PIRADSv2.1评分具有更高的临床净收益。

结论

无论读者经验如何，新评分规则在高级别前列腺癌特征化方面均优于传统主导序列规则。