利用结合临床病理学特征和68Ga-PSMA PET/CT数据的弹性网络模型，对前列腺癌术前进行病理性盆腔淋巴结转移的预测：模型的开发与时间验证

《Scientific Reports》：Preoperative prediction of pathological pelvic lymph node metastasis in prostate cancer using an elastic net model integrating clinicopathologic and 68Ga-PSMA PET/CT features: development and temporal validation

　　

摘要

关于前列腺癌患者术前是否进行扩大的盆腔淋巴结清扫（ePLND）的决策仍然具有挑战性。现有的淋巴结风险预测工具主要基于临床病理学变量，但在不同的临床环境中可能表现不佳。本研究旨在通过整合临床病理学信息和⁶⁸Ga-PSMA PET/CT的检测结果，开发并验证一个用于预测病理学盆腔淋巴结转移（pN1）的术前预测模型。在这项单中心回顾性研究中，筛选了接受机器人辅助根治性前列腺切除术并进行了术前⁶⁸Ga-PSMA PET/CT检查的前列腺癌患者。在617名符合评估标准的患者中，有315名符合最终分析条件。2020年至2024年间接受治疗的患者构成了开发组（n=210），而2025年接受治疗的患者则作为独立的时间验证组（n=105）。研究人员使用术前变量建立了两个弹性网络正则化逻辑回归模型：一个是基于临床病理学信息的模型，另一个是结合了临床病理学信息和PSMA PET/CT检测结果的模型。通过将开发组数据分成50个重复的分层随机样本来评估模型的内部稳健性。最终确定的模型未经重新调整直接应用于时间验证组。模型性能通过接收者操作特征曲线下面积（AUC）、校准曲线、Brier分数和决策曲线分析进行评估。Memorial Sloan Kettering Cancer Center（MSKCC）的模型被用作基准。在开发组中，57/210（27.1%）的患者病理学上确诊为pN1，而在时间验证组中这一比例为27/105（25.7%）。在开发组的50次重复分层样本分析中，基于临床病理学信息的模型的平均测试AUC为0.910（标准差0.029），而结合PSMA PET/CT检测结果的模型的平均测试AUC为0.962（标准差0.022）。在时间验证组中，基于临床病理学信息的模型的AUC为0.877（95%置信区间0.799–0.955），而结合PSMA PET/CT检测结果的模型的AUC为0.943（95%置信区间0.898–0.989）。结合PSMA PET/CT检测结果的模型显示出0.852的敏感性、0.897的特异性、0.946的阴性预测值、0.886的准确率以及0.080的Brier分数。校准结果令人满意，其中结合PSMA PET/CT检测结果的模型的校准效果优于基于临床病理学信息的模型。决策曲线分析显示，在大多数临床相关的阈值概率下，结合PSMA PET/CT检测结果的模型具有更高的净收益。在这项单中心研究中，整合临床病理学信息和⁶⁸Ga-PSMA PET/CT检测结果的弹性网络模型在术前pN1预测方面表现良好，包括在时间验证阶段也是如此。与仅基于临床病理学信息的模型或本地应用的MSKCC基准模型相比，该模型具有更好的区分能力和潜在的临床应用价值。在更广泛的临床应用之前，还需要进行多中心的外部验证。