《Frontiers in Oncology》：Incremental diagnostic value of MRI PI-RADS classification combined with PSA density for prostate cancer
编辑推荐：
目的：探讨磁共振成像前列腺影像报告和数据系统（PI-RADS）评分联合前列腺特异性抗原密度（PSAD）对前列腺癌（PCa）的增量诊断价值，并评估不同联合策略的临床意义。方法：回顾性纳入187例接受前列腺MRI并有病理结果的患者，包括117例PCa和70例良性前
目的：探讨磁共振成像前列腺影像报告和数据系统（PI-RADS）评分联合前列腺特异性抗原密度（PSAD）对前列腺癌（PCa）的增量诊断价值，并评估不同联合策略的临床意义。方法：回顾性纳入187例接受前列腺MRI并有病理结果的患者，包括117例PCa和70例良性前列腺增生。进行单因素和多因素logistic回归分析。构建了仅PI-RADS模型、仅log(PSAD)模型、联合模型和调整模型。采用受试者工作特征曲线和DeLong检验评估诊断效能。结果：年龄、log(tPSA)、f/t比值、log(PSAD)和PI-RADS评分均与PCa诊断显著相关（均P?**论文解读：MRI PI-RADS分类联合PSA密度对前列腺癌的增量诊断价值**
**一、研究背景与问题**
前列腺癌（prostate cancer, PCa）是男性最常见的恶性肿瘤之一，早期准确识别对临床治疗决策和预后评估至关重要。血清前列腺特异性抗原（prostate-specific antigen, PSA）是PCa筛查和风险评估的重要指标，但其特异性有限，常受良性前列腺增生（benign prostatic hyperplasia, BPH）和炎症等因素影响，导致过度活检或不必要的临床干预。随着多参数磁共振成像（multiparametric MRI）的广泛应用，前列腺影像报告和数据系统（Prostate Imaging Reporting and Data System, PI-RADS）评分已成为PCa风险分层的重要影像学工具。然而，单独使用影像学评估在临床实践中仍存在局限性，尤其是在中危病变和灰区病例中，仍需额外指标优化风险分层。前列腺特异性抗原密度（prostate-specific antigen density, PSAD）综合反映了PSA水平与前列腺体积的关系，较单独PSA更能体现单位腺体体积内的PSA负荷，被认为具有良好的辅助诊断价值。近期证据提示，联合PSAD与PI-RADS可能改善PCa风险分层并减少不必要活检，但现有证据对模型层面增量价值、调整后诊断效能及临床可解释的固定阈值策略的同步评估仍有限。基于真实世界临床数据，该研究旨在评估PI-RADS评分联合PSAD对PCa诊断的增量价值，并探索不同固定阈值组合的潜在临床意义。论文发表在《Frontiers in Oncology》。
**二、主要关键技术方法**
研究人员开展了一项单中心回顾性诊断效能研究。样本队列来源：连续纳入273例初始记录，排除86例缺失关键临床或影像信息（年龄、PSA相关指标、PI-RADS评分、前列腺径线）者，最终纳入187例患者（PCa 117例，BPH 70例）。主要技术方法包括：（1）采用logistic回归分析（单因素和多因素）评估各因素与PCa诊断的关联；（2）构建四个模型：仅PI-RADS模型、仅log(PSAD)模型、PI-RADS+log(PSAD)联合模型、以及调整年龄和f/t比值的调整模型；（3）应用受试者工作特征（receiver operating characteristic, ROC）曲线评估诊断效能，并通过DeLong检验比较曲线下面积（area under the curve, AUC）差异；（4）进行固定阈值分析，采用临床常用阈值PI-RADS≥4和PSAD≥0.15 ng/mL/mL，计算敏感度、特异度、阳性预测值（positive predictive value, PPV）、阴性预测值（negative predictive value, NPV）、准确率和约登指数（Youden index）。
**三、研究结果**
**3.1 基线特征**
共纳入187例患者，PCa组年龄更大，血清tPSA、fPSA、PSAD及PI-RADS评分更高，而f/t比值更低。PCa组中PI-RADS 4类和5类患者比例较高（分别为29.9%和51.3%），BPH组则主要分布在PI-RADS 1类和2类（15.7%和45.7%）。两组间差异均具有统计学意义（均P<0.001）。
**3.2 单因素logistic回归**
单因素logistic回归显示，年龄、log(tPSA)、f/t比值、log(PSAD)和PI-RADS评分均与PCa诊断显著相关（均P<0.001）。其中PI-RADS评分的回归系数和Wald χ2值最大（β=1.492，Wald χ2=55.331），提示其单因素预测价值最强。f/t比值为保护因素（每增加0.01，PCa风险降低9.4%）。前列腺体积与PCa诊断的关联未达统计学意义（P=0.059）。
**3.3 多因素logistic回归**
多因素分析显示，仅PI-RADS模型（OR=4.444，95% CI: 3.000–6.583）和仅log(PSAD)模型（OR=3.463，95% CI: 2.260–5.305）均可独立预测PCa。联合模型中两者均保持显著（PI-RADS OR=4.072，log(PSAD) OR=2.880）。调整年龄和f/t比值后，年龄（OR=1.084）、f/t比值（OR=0.937）、PI-RADS评分（OR=4.059）和log(PSAD)（OR=2.743）仍为独立因素。共线性诊断显示方差膨胀因子（variance inflation factor, VIF）均接近1，无显著多重共线性。
**3.4 ROC曲线**
ROC分析显示，仅PI-RADS模型的AUC为0.885（95% CI: 0.837–0.932），仅log(PSAD)模型为0.824（95% CI: 0.761–0.886），联合模型AUC升至0.921（95% CI: 0.883–0.958），调整模型AUC进一步升至0.938（95% CI: 0.905–0.970），提示联合模型及调整模型具有更优的区分能力。
**3.5 不同模型ROC曲线比较**
DeLong检验显示，仅PI-RADS与仅log(PSAD)模型的AUC差异无统计学意义（Z=1.523，P=0.128）。联合模型AUC显著高于仅PI-RADS模型（Z=?2.317，P=0.021）和仅log(PSAD)模型（Z=?3.498，P<0.001）。调整模型AUC显著高于前述三个模型（P均<0.05）。约登指数确定的最佳截断值下，联合模型敏感度为85.5%，特异度为87.1%，优于单一指标模型。
**3.6 阈值分析**
固定阈值分析显示，PI-RADS≥4的敏感度为81.2%，特异度为81.4%；PSAD≥0.15的敏感度为88.0%，特异度为61.4%。当采用串联策略（两个标准均满足）时，特异度升至95.7%，PPV升至96.7%，约登指数最高（70.1%）；采用并联策略（任一标准满足）时，敏感度升至94.9%，NPV为84.6%，但特异度降至47.1%。不同组合策略可针对不同临床需求优化诊断性能。
**四、讨论与结论**
讨论部分指出，该研究基于真实世界数据系统评估了PI-RADS与PSAD联合诊断PCa的增量价值。主要发现与既往研究一致：PI-RADS评分是影像风险评估的核心工具，PSAD可作为重要补充指标。创新点在于同时评估了模型层面的增量价值、调整后诊断效能以及临床可解释的固定阈值策略。PI-RADS与PSAD可能反映PCa风险的不同维度（影像学特征与单位体积PSA负荷），因此两者联合提供非重叠信息。年龄和f/t比值在调整模型中保持显著，但被视为补充调整因素。固定阈值分析展示了联合策略的临床适用性：串联策略适合提高特异度、减少不必要活检；并联策略适合提高敏感度、减少漏诊。研究局限性包括单中心回顾性设计、样本量有限、未以临床显著性前列腺癌（clinically significant prostate cancer, csPCa）为终点、缺少外部验证等。
**研究结论部分翻译**：总之，PI-RADS评分对PCa诊断具有高价值，PSAD可在此基础上提供显著的增量诊断信息。PI-RADS与PSAD联合不仅能提高模型的区分能力，还能通过不同阈值组合满足改善特异度或敏感度的不同临床需求。未来仍需在更大样本、多中心及外部验证队列中进一步验证该联合策略的稳定性，并在纳入Gleason评分/ISUP分级信息后评估其对识别临床显著性前列腺癌的价值。
