《Insights into Imaging》：Diagnostic performance benchmarks of MRI for prostate cancer: a large-scale cohort study of 33,759 patients
编辑推荐：
目的：评估PI-RADS在全球大规模队列中检测临床显著性前列腺癌（csPCa）的真实世界诊断性能。材料与方法：本多中心观察性研究纳入来自中国九家机构的20,429例患者，以及一个已发表的全球荟萃分析数据集（包含13,330例患者）用于比较。所有PI-RADS评
目的：评估PI-RADS在全球大规模队列中检测临床显著性前列腺癌（csPCa）的真实世界诊断性能。材料与方法：本多中心观察性研究纳入来自中国九家机构的20,429例患者，以及一个已发表的全球荟萃分析数据集（包含13,330例患者）用于比较。所有PI-RADS评估均提取自临床放射科医师作为标准诊断工作流程一部分所出具的原始MRI报告。采用双变量随机效应模型构建汇总受试者工作特征（SROC）曲线，并通过随机效应荟萃分析汇总中心层面的曲线下面积（AUC）。进行亚组分析。结果：PI-RADS在九个中国队列中对csPCa的整体判别性能与来自70项研究的META结果相当，但观察到显著的中心间变异。采用PI-RADS ≥ 3阈值时，汇总灵敏度为92.6%，特异度为51.5%。采用PI-RADS ≥ 4阈值时，汇总特异度提高至78.1%，灵敏度为81.5%。整体诊断性能在不同阈值间保持一致：在荟萃分析层面，检测csPCa的汇总ROC（SROC）AUC在PI-RADS ≥ 3时为0.903，在PI-RADS ≥ 4时为0.826。亚组分析表明，在老年患者（≥ 70岁）和PSA水平较高（> 20 ng/mL）的患者中性能更佳。PI-RADS v2.1在大多数临床场景中优于v2或更早版本。结论：本大规模真实世界研究提供了关键的多中心证据，支持PI-RADS在全球临床实践中的应用，同时揭示了各机构间评分和诊断性能的显著变异。研究结果提供了PI-RADS在中国及全球实施的循证概览，凸显了其效用与不一致性。
**研究背景与问题**
前列腺癌（PCa）是一种基因组异质性疾病，临床结局差异显著。临床 insignificant 的惰性前列腺癌与较低的癌症特异性死亡率相关，而临床显著性前列腺癌（csPCa）常进展为晚期疾病。当前欧洲泌尿外科学会（EAU）指南推荐对所有临床怀疑前列腺癌的男性在进行前列腺活检前行磁共振成像（MRI），证据表明活检前MRI可提高癌症检出率并减少不必要的活检。自2015年欧洲泌尿生殖放射学会（ESUR）推出前列腺影像报告和数据系统第2版（PI-RADS v2）并于2019年更新至第2.1版（PI-RADS v2.1）以来，该框架已被国际广泛采用为多参数MRI（mpMRI）检测和表征csPCa的标准。随着PI-RADS的快速广泛采用，其诊断准确性和癌症检出率（CDRs）已被广泛研究。Oerther等对70项研究共13,330例患者进行了PI-RADS v2.1检测csPCa的系统综述和荟萃分析，报告采用PI-RADS评分≥ 3时灵敏度为96%、特异度为43%，评分≥ 4时灵敏度为89%、特异度为66%。另一项2021年荟萃分析纳入10项研究共1248例患者，报告灵敏度为87%、特异度为74%。这些诊断性能的差异可能受多种因素影响，包括MRI设备场强、扫描方案、放射科医师经验及病理活检参考标准。重要的是，种族差异，如前列腺癌生物学行为、发病率（例如中国PCa发病率与死亡率之比高于西方发达国家）及mpMRI表现的差异，可能限制西方验证数据对中国人群的推广。与MRI技术的快速发展相比，中国前列腺MRI报告的标准化进展较慢。尽管PI-RADS指南已在全球传播，其标准化报告模板尚未在中国广泛实施。国内医疗机构间MRI设备、检查技术和诊断专长的差异进一步阻碍了MRI诊断潜力的最佳利用。此外，中国及全球许多医院缺乏经直肠MRI-超声融合活检系统，意味着组织病理学确认并非总是靶向的，可能影响mpMRI疗效的准确评估。因此，一项设计良好的大样本研究验证PI-RADS在中国人群中的诊断性能既有价值又迫切。为解决这一区域特异性验证的关键需求，本研究旨在评估PI-RADS在中国及全球队列中对csPCa的诊断性能。研究人员设计了一项大规模多中心回顾性研究，纳入来自中国地理和人口学多样化机构的患者，反映真实世界临床实践。通过系统地将常规放射学报告中的PI-RADS评估与组织病理学结果相关联，研究人员旨在量化PI-RADS在不同MRI平台、放射科医师和医疗环境中的准确性和变异性。本研究结果预期为支持中国前列腺MRI解读和报告标准化提供高质量证据，最终提高csPCa诊断的精确性和公平性，并为未来种族特异性诊断改进研究建立稳健的证据基础。
**关键技术方法**
本研究为多中心观察性研究，回顾性收集2002年1月至2025年5月来自5家三级医疗中心、3家跨区再联合中心（REACs）和1家县级医院的前列腺影像报告及相应临床记录。纳入标准为：50岁以上临床怀疑PCa（如PSA升高或直肠指检异常）且接受1.5 T或3.0 T前列腺MRI检查的男性；具有通过前列腺活检或根治性前列腺切除术（RP）获得的明确组织病理学结果；初次活检阴性者接受至少3年随访。排除标准包括：无组织学检查或至少3年标准随访；无基于PI-RADS v2.1或更早版本的明确结构化影像报告；既往有前列腺活检、手术或PCa治疗史。最终纳入20,429例患者，另获取基于全球荟萃分析的已发表数据集（META，n = 13,330）用于中国与世界其他地区的比较。所有组织学标本由经验丰富的病理学家根据2014年国际泌尿病理学会（ISUP）分级系统评估。主要结局为MRI对csPCa的诊断准确性；次要结局为对所有PCa的诊断准确性。csPCa定义为ISUP分级组≥ 2（Gleason评分≥ 3+4=7）。所有MRI检查使用1.5-T或3.0-T扫描仪配备盆腔相控阵线圈，标准化mpMRI方案包括T2加权成像（T2WI）、扩散加权成像（DWI）及对应表观扩散系数（ADC）图，或动态对比增强（DCE）成像。PI-RADS评估通过反映标准临床工作流程的结构化双审流程进行。除PKUH外，所有PI-RADS评分均逐字提取自各检查时生成的原始临床MRI报告，未进行回顾性重读或重新评分。对于PKUH的1478例（2002–2009年，PI-RADS前时代）无原始PI-RADS评分的病例，由两名盲法放射科医师使用PI-RADS v2.1标准独立重新评估，分歧通过共识讨论解决。统计分析采用双变量随机效应模型构建SROC曲线，通过随机效应荟萃分析（限制最大似然，REML）经Fisher z变换后汇总中心层面AUC，并反变换至AUC尺度。采用τ2、I2和Cochran Q检验评估异质性。亚组分析基于年龄（< 70岁 vs. ≥ 70岁）、PSA水平（< 10 ng/mL、10–20 ng/mL、> 20 ng/mL）和MRI报告发布时期（< 2020 vs. ≥ 2020，作为PI-RADS v2 vs. v2.1的代理）。进行敏感性分析排除PKUH队列以评估主要发现的稳健性。
**研究结果**
**基线特征**：共纳入中国20,429例患者，与全球META数据集13,330例患者比较。总体csPCa率为46.6%（9527/20,429），各中心分别为SCUH 51.2%、NJHU 50.9%、TJUH 44.5%、PKUH 23.7%、ZJCH 46.9%、REAC 33.7%、ZJH 57.5%，META数据集总体率为33%（4399/13,330）。患者层面PI-RADS类别总体分布为：PI-RADS 1占3.4%、2占26.1%、3占19.2%、4占20.3%、5占31.0%；META队列分布为：PI-RADS 1占9.0%、2占29.0%、3占19.0%、4占22.0%、5占19.0%。
**PI-RADS类别的CDRs**：在中国和META队列中，csPCa的CDR均随PI-RADS评分升高而增加：中国队列CDRs为PI-RADS 1：5.3%；2：12.1%；3：25.0%；4：57.9%；5：86.2%。META数据集CDRs为PI-RADS 1：6.2%；2：5.7%；3：18.4%；4：52.4%；5：81%。在中国队列中，PI-RADS 1类别非PCa、ciPCa和csPCa率分别为92.3%、2.4%、5.3%；PI-RADS 2为82.9%、5.0%、12.1%；PI-RADS 3为67.9%、7.1%、25.0%；PI-RADS 4为34.2%、7.9%、57.9%；PI-RADS 5为10.7%、3.1%、86.2%。在评分≥ 3时，中国队列csPCa总体PPV和NPV分别为61.5%（8850/14,398）和88.6%（5344/6031），META数据集PPV为43.0%（3894/9051）、NPV为94.3%（1641/1741）；在评分≥ 4时，中国队列PPV和NPV分别为75.1%（7869/10,482）和83.2%（8279/9947），META数据集PPV为66.2%（3089/4668）、NPV为85.2%（5219/6124）。
**PI-RADS的诊断准确性**：拟合双变量随机效应模型估计所有中国队列的SROC曲线。在患者层面PI-RADS ≥ 3阈值时，检测PCa的汇总灵敏度、特异度和SROC AUC分别为90.2%（95% CI：87.8–92.2%）、54.7%（95% CI：45.5–63.6%）和0.869（95% CI：0.823–0.905）；检测csPCa的对应值分别为92.6%（95% CI：90.0–94.6%）、51.5%（95% CI：43.0–59.9%）和0.903（95% CI：0.872–0.928）。在PI-RADS ≥ 4阈值时，检测PCa的汇总灵敏度、特异度和SROC AUC分别为77.5%（95% CI：74.2–80.5%）、81.6%（95% CI：75.7–86.4%）和0.840（95% CI：0.808–0.867）；检测csPCa的对应值分别为81.5%（95% CI：78.2–84.5%）、78.1%（95% CI：72.3–82.9%）和0.826（95% CI：0.793–0.855）。多中心数据间观察到显著异质性，检测PCa和csPCa的汇总灵敏度I2值为93.0%–93.6%，汇总特异度I2值为98.1%–98.8%。这些多中心估计与META数据（csPCa，患者层面）相似，后者报告PI-RADS ≥ 3时灵敏度96%（95% CI：95–98%）、特异度43%（95% CI：33–54%），PI-RADS ≥ 4时灵敏度89%（95% CI：85–92%）、特异度66%（95% CI：58–74%），对应AUC分别为0.86和0.89。在中国队列中，随机效应分析汇总中心特异性AUC显示，PI-RADS对PCa和csPCa均表现出良好判别性能：PCa检测在≥ 3和≥ 4阈值的汇总AUC均为0.840（95% CI：0.812–0.866）（I2 = 96.4%，p < 0.001）；csPCa在相同阈值的汇总AUC为0.848（95% CI：0.815–0.876）（I2 = 97.2%，p < 0.001）。这些发现证实了显著的站点间变异性，可能由MRI采集方案、扫描仪硬件、放射科医师经验、患者人口学特征和疾病患病率差异驱动。
**亚组分析**：在年龄分层分析中，比较< 70岁与≥ 70岁患者，观察到诊断性能的显著差异。在大多数中心和阈值中，≥ 70岁患者显示出数值上更高的AUC，且大多数差异具有统计学显著性。在PSA分层分析（< 10 ng/mL、10–20 ng/mL和> 20 ng/mL）中，AUC值通常随PSA水平升高而增加，对PCa和csPCa检测均如此。总体而言，较高PSA水平与更好的判别性能相关，而较低PSA水平与降低的诊断准确性相关，不同机构和阈值间存在一定变异。鉴于PI-RADS v2于2015年发布、v2.1于2019年发布，研究人员基于MRI检查时期（< 2020 vs. ≥ 2020）比较其诊断性能。总体而言，PI-RADS v2.1在大多数场景中表现出优于v2的诊断性能，尽管注意到一些中心特异性变异。
**讨论部分总结**
本诊断性能基准研究包含来自中国九家医疗中心的大规模队列（n = 20,429）和全球META数据集的13,330例患者，表明PI-RADS对检测csPCa表现出整体判别能力，但极端的中心间异质性（I2 = 93–99%）提示在将汇总估计解释为可推广的性能基准时需谨慎。总体而言，中国与世界其他地区PI-RADS的整体准确性无显著差异，但观察到机构间性能的显著异质性。值得注意的是，PI-RADS类别分布在各中心间差异显著，揭示出不同的解读倾向：一些机构表现出更激进的评分模式（类别4–5频率更高），而另一些采用更保守的方法（类别1–2比例更大）。重要的是，癌症风险随PI-RADS评分升高呈单调增加，csPCa的CDRs在中国和META队列中均从类别1的约5%一致上升至类别5的80%以上。这种逐步相关性强烈支持PI-RADS在全球和中国临床背景下的预测有效性。据研究人员所知，本多中心研究拥有最大数据集，反映了PI-RADS在中国高度异质性医疗中心诊断csPCa的真实世界结果。尽管存在显著机构间变异，性能结果与全球荟萃分析报告的基准大致一致，但鉴于数据集间重要方法学差异，直接数值比较应谨慎解释。与这些研究一致，研究人员的发现表明阈值选择显著影响诊断性能。在PI-RADS ≥ 3时表现出高汇总灵敏度但中等特异度；而在PI-RADS ≥ 4时灵敏度下降而特异度提高。因此，SROC AUC在≥ 3阈值时更高（PCa：0.869；csPCa：0.903）而非≥ 4时（PCa：0.840；csPCa：0.826），凸显了各阈值相关的差异化操作点。值得注意的是，基于中心层面AUC的随机效应荟萃分析得出的汇总AUC在不同阈值间相似（PCa：0.840；csPCa：0.848），这与基于连续PI-RADS评分的AUC是阈值无关的判别力度量这一事实一致。因此，这些结果提示PI-RADS在所研究机构中总体上提供疾病与非疾病病例的判别；然而，鉴于观察到的极端异质性，个别中心性能可能显著偏离汇总估计。所选临床阈值决定灵敏度与特异度之间的权衡。其次，在参与机构间观察到显著异质性。在汇总AUC荟萃分析和双变量模型中均识别出高I2值。这种变异性可能源于技术和临床因素的综合，包括MRI供应商、场强和序列参数差异；对PI-RADS技术建议的依从性不同；放射科医师培训和经验差异；以及中心特异性病例组合，包括疾病患病率。由于所有九家机构中心层面协变量数据不完整，正式的荟萃回归识别异质性预测因子不可行。这限制了研究人员将性能变异归因于特定技术或临床因素的能力。值得注意的是，PI-RADS 4–5病例比例较高的机构倾向于表现出更高的特异度和PPV，而评分实践更保守的机构表现出更高的灵敏度。这些与病例谱和读者行为相关的效应凸显了在临床诊断路径中实施PI-RADS时进行本地校准和稳健质量保证的必要性。亚组分析进一步支持通过将诊断性能与临床可操作结局对齐来实现个性化阈值选择。具体而言，在老年患者（≥ 70岁）和PSA水平升高（尤其是> 20 ng/mL）患者中观察到的更高诊断准确性（反映为AUC增加）支持在这些高风险亚组中使用PI-RADS ≥ 4阈值。该策略强调特异度，有效减少不必要的活检同时保持可接受的灵敏度。相反，在较低风险人群（年轻患者或PSA < 10 ng/mL者）中，避免漏诊至关重要，推荐PI-RADS ≥ 3阈值以最大化灵敏度并降低忽视临床显著性PCa的风险。这些结果倡导风险分层活检方法，有意平衡过度治疗与诊断不足的风险。PI-RADS v2.1在大多数中心普遍优于v2，凸显了更新版本中的增量改进。PI-RADS v2表现相当或更好的孤立案例可能反映站点特异性因素，如本地成像方案、放射科医师对早期版本的熟悉程度或患者特征差异，提示更新指南的实施可能受机构背景和经验调节。然而，可能需要更大样本量的进一步研究来确认这些发现并探索任何潜在细微效应。本研究存在若干局限性。第一，尽管采用回顾性多中心设计，选择和转诊偏倚的可能性仍然存在。活检指征、MRI方案和放射科医师经验的时间变化无法完全解释。第二，由于研究的回顾性性质，并非所有接受前列腺MRI的男性也接受了组织病理学检查或全周期随访确认，可能导致真实疾病患病率被低估或高估。鉴于所有中心缺乏个体层面验证概率数据，正式统计校正（如Begg-Greenes调整、多重插补）不可行。因此，读者应将报告的诊断性能解释为反映真实世界PI-RADS使用模式而非理想条件下的准确性。第三，由于PI-RADS评分源自常规临床报告，报告放射科医师对PSA水平、DRE发现或既往活检结果等临床信息未设盲。这引入了整合偏倚风险，可能相对于盲法阅读范式夸大了观察到的诊断性能。然而，这也意味着结果反映了实际临床实践条件，增强了外部有效性。第四，未使用PI-QUAL等结构化工具进行正式图像质量评估。回顾性设计和长研究期阻碍了系统性前瞻性质量评分。最后，MRI采集的技术异质性，包括供应商、场强、线圈类型、序列选择和对PI-RADS技术建议依从性的差异，在各机构间存在且未标准化。特别是PKUH的1478例（占总队列7.2%）采集于2002年7月至2009年12月，在PI-RADS引入之前，原始采集方案可能未完全符合当前PI-RADS技术建议。为减轻此局限性，这些病例由两名经验丰富的放射科医师在盲法双读条件下使用PI-RADS v2.1标准回顾性评分，分歧通过共识解决。排除PKUH的正式敏感性分析得出与主要发现完全一致的结果（ΔAUC ≤ 0.007；Δ灵敏度 ≤ 0.1%；Δ特异度 ≤ 2.7%），观察到的PKUH与非PKUH中心间AUC和特异度差异归因于PKUH显著较低的疾病患病率（csPCa：23.5% vs. 48.5%）而非采集不合规的系统性偏倚。因此，本研究的主要结论对纳入这些历史采集病例具有稳健性。
**研究结论翻译**
基于大规模多中心中国队列与全球META数据集的比较，本研究表明PI-RADS在多样化真实世界机构中对PCa和csPCa提供整体判别，更高评分与csPCa风险强烈相关，性能与国际基准大致一致。虽然PI-RADS ≥ 3最大化灵敏度，PI-RADS ≥ 4提供更平衡的性能。观察到显著的机构间变异，可归因于成像方案、解读阈值和患者特征差异，强调PI-RADS性能是背景依赖的而非统一固定的。鉴于观察到的显著机构间异质性，汇总估计应解释为真实世界实践的描述性总结而非普遍可推广的性能标准。亚组分析将改善的准确性与老年和较高PSA水平相关联。PI-RADS v2.1普遍优于v2，支持其持续采用。这些真实世界发现凸显了标准化实施、稳健质量保证和前瞻性验证的必要性，以进一步巩固PI-RADS在中国前列腺癌诊断中的作用。
