摘要目的 利用多参数MRI(multiparametric MRI,mp-MRI)及临床指标建立前列腺癌(prostate cancer,PCa)风险预测模型,并与前列腺影像报告和数据系统(prostate imaging reporting and data system,PI-RADS)评分比较,通过该模型早期预测前列腺癌的风险性,使低风险的患者避免不必要的活检损伤.方法 回顾性分析156例患者的mp-MRI资料和临床资料.收集内容包括年龄、总前列腺特异性抗原(total prostate-specific antigen,tPSA)、游离前列腺特异性抗原(free prostate-specific antigen,fPSA)、前列腺体积(prostate volume,PV)、前列腺特异性抗原密度(prostate-specific antigen density,PSAD)、碱性磷酸酶(alkaline phosphatase,ALP)、血清钙(calcium,Ca)、血清磷(phosphorus,P)、表观扩散系数(apparent diffusion coefficient,ADC)和时间-强度曲线(time-intensity curve,TIC).所有病例均按照PI-RADS v2评分.运用Logistic回归进行单因素及多因素分析并建立PCa列线图模型.使用校准曲线检测模型校准度.用受试者工作特征曲线(receiver operating characteristic,ROC)分别分析患者 PI-RADS v2评分及列线图模型的诊断效能.最终按照临床决策曲线对比此模型与PI-RADS的临床净收益.结果 单因素及多因素分析结果显示ADC、TIC及PSAD有统计学意义(P＜0.05),将其纳入PCa风险预测模型中.校准曲线的结果表明,训练集H-L的拟合优度P=0.994,测试集H-L的拟合优度P=0.845,表明此模型校准度良好.临床决策曲线显示预测PCa列线图模型临床净收益高于PI-RADS,具有更高的临床价值.结论 多参数磁共振结合临床指标所建立的风险预测模型临床净收益优于PI-RADS评分,可协助临床医生更好地提高PCa诊断效率,选择最佳的临床治疗方式,对其早期诊断及临床治疗方式的选择具有一定价值.