PSA灰区（4–10 ng/mL）患者分层分析及临床应用价值：基于PSA、表观扩散系数（ADC）与相对T2值的定量指标构建临床显著性前列腺癌预测模型

《Diagnostics》：Stratified Analysis of Patients Within the PSA Gray Zone (4–10 ng/mL) and Its Clinical Application Value: Development of a Predictive Model for Clinically Significant Prostate Cancer Using Quantitative Indicators of PSA, ADC, and Relative T2 Value

　　

目的：血清前列腺特异性抗原（PSA）处于4–10 ng/mL灰区患者的诊断存在挑战，单独PSA无法可靠区分临床显著性前列腺癌（csPCa）与良性病变或惰性病变，可能导致不必要活检或漏诊csPCa。本研究旨在利用临床指标与磁共振成像（MRI）定量数据，构建该人群csPCa风险预测模型，并评估其在风险分层及活检决策辅助中的潜在价值。方法：回顾性纳入2018年1月至2025年6月某院210例PSA灰区且病理确诊患者，csPCa定义为Gleason评分≥7。按病理分层后以7:3随机分训练集与内部验证集。收集年龄、PSA、表观扩散系数（ADC）及相对T2值，经单因素与多因素logistic回归筛选独立预测因子，构建预测模型与列线图，采用受试者工作特征（ROC）曲线、校准曲线、Bootstrap内部验证评价区分度、校准度与稳定性，决策曲线分析（DCA）评估净获益，并按预测概率行风险分层。结果：210例中csPCa 50例、非csPCa 160例。单因素显示年龄、ADC、相对T2值相关；多因素确定年龄与相对T2值为独立预测因子。1000次Bootstrap乐观校正后AUC为0.698（95% CI：0.669–0.716），乐观值均值0.016；训练集AUC 0.720，验证集0.711；校准良好；DCA显示部分阈值有净获益；低、中、高风险组csPCa检出率分别为14.7%、28.3%、47.4%。结论：基于年龄与相对T2值的二分类logistic模型可辅助PSA灰区csPCa风险评估，但区分度中等，应作补充工具而非独立诊断；概率分层可识别不同风险人群，鉴于单中心回顾性探索性质，需多中心大样本前瞻研究外部验证优化后方可临床实施。

研究背景：前列腺特异性抗原（PSA）是前列腺癌（PCa）筛查与监测最常用的血清标志物，但PSA升高并非PCa特异，良性前列腺增生与前列腺炎亦可致其上升。当PSA处于4–10 ng/mL灰区时，PCa检出率仅约15%–25%，超过75%为良性病因，单纯依据PSA决策活检面临过度活检与漏诊临床显著性前列腺癌（csPCa，Gleason评分≥7或ISUP分级分组≥2）的双重困境。现有手段如直肠指检特异度低，前列腺影像报告和数据系统（PI-RADS）依赖主观判读，绝对T2信号强度与表观扩散系数（ADC）等定量MRI参数缺乏跨设备标准化，且既往模型多纳入主观评分或不稳定实验室变量。因此，研究人员针对PSA灰区人群，拟建立仅含客观、常规可获取定量指标的精简模型，以提供可重复的风险分层补充工具。

该研究由研究人员发表于《Diagnostics》，为单中心回顾性研究，纳入2018年1月至2025年6月某院210例年龄50–75岁、PSA 4–10 ng/mL、MRI与病理齐全患者，按病理分为csPCa 50例与非csPCa 160例，以7:3分层随机分训练集147例与内部验证集63例。研究人员采集年龄、PSA、ADC及相对T2值（病灶T2信号强度与同层正常外周带比值），经单因素与多因素logistic回归建模，Bootstrap 1000次重采样作乐观校正，配合ROC、校准曲线、Hosmer–Lemeshow检验、DCA与三档风险分层（低危p<0.20、中危0.20≤p<0.40、高危p≥0.40）完成内部验证。

主要技术方法概括：研究人员采用回顾性队列设计，样本来源于单中心2018–2025年PSA灰区接诊患者，影像使用3.0 T uMR 780采集T1WI、T2WI与DWI（b=0、1500 s/mm²），由两名高年资放射科医师盲法勾画ROI并取ICC>0.9者均值；统计端以R 4.2.3与MedCalc 23.0完成正态性检验、t/Mann–Whitney U/χ²检验、单多因素logistic回归、Bootstrap内部验证、ROC/AUC、校准曲线、Hosmer–Lemeshow检验与DCA，并绘制列线图与SHAP解释。

研究结果：

3.1 基线特征与观察者一致性：csPCa组年龄中位65.5岁高于非csPCa组，ADC更高、相对T2值更低，PSA无差异；ADC与相对T2测量ICC均>0.9。

3.2 模型构建与诊断效能：单因素中年龄、ADC、相对T2值显著；多因素锁定年龄（OR=1.11）与相对T2值（OR=22.40，CI宽）为独立预测因子，EPV=25。列线图可视化后，训练集AUC 0.720、验证集0.711，全模型较单用年龄似然比检验χ²=7.84（p=0.005），连续NRI 0.105；SHAP证实两变量正向贡献。校准曲线训练集吻合佳（Brier 0.161，Hosmer–Lemeshow p=0.723）。Bootstrap校正后AUC 0.698，乐观均值0.016，校正斜率0.945、截距?0.048，过拟合轻微。DCA在训练集阈值0.01–0.48间优于“全活检/不活检”，0.30阈值净获益0.049；验证集因样本小净获益有限。

3.3 风险分层：低、中、高危组csPCa检出率14.7%、28.3%、47.4%（χ²=9.859，p=0.007），呈阶梯上升。

讨论部分总结：研究人员指出年龄是csPCa公认危险因素，相对T2值通过同层正常组织归一化降低设备与个体偏差，但OR置信区间极宽反映小样本下效应估计不稳；ADC单因素显著而多因素落选，敏感度分析强制加入未提升AUC（0.721 vs 0.720），提示本队列内增量价值有限。模型AUC约0.70属中等区分度，Bootstrap与7:3拆分均示稳定，但单中心回顾、无外验、未纳前列腺体积/PSA密度/fPSA/PI-RADS、参考标准混用穿刺与根治标本、未分带区分病灶位置，均为局限。作者明确模型仅作补充而非替代PI-RADS或PSA密度策略，风险阈值属探索性。

结论翻译：研究人员构建以年龄与相对T2值为预测因子的csPCa二分类logistic模型，列线图可视化后在训练与内部验证集呈中等区分度，Bootstrap内部验证过拟合轻微、校准总体稳定；按预测概率分层后低中高风险组csPCa检出率递增。该模型可为PSA灰区个体化管理提供补充信息，但区分度中等，所提风险阈值不得作为独立临床决策依据，须结合临床与影像综合判断，广泛临床应用前仍需前瞻性多中心大样本外部验证。

论文发表于《Diagnostics》的重要意义在于：在PSA灰区这一临床高不确定区间，给出一种仅依赖年龄与相对T2值、规避主观评分与缺失率较高变量的极简可复现思路，并以严谨Bootstrap与DCA展示中等性能下的决策边界，为后续多中心量化MRI联合模型提供方法学参照。