首页 > 中国医科大学学报 > PI-RADS v2.1联合前列腺特异性抗原相关参数诊断临床显著性前列腺癌的预测模型及内部验证

PI-RADS v2.1联合前列腺特异性抗原相关参数诊断临床显著性前列腺癌的预测模型及内部验证

Prediction model and internal validation of PI-RADS v2.1 combined with PSA-related parameters in the diagnosis of clinically significant prostate cancer

二维码有效期 120s

摘要目的探讨前列腺影像报告和数据系统(PI-RADS)v2.1联合前列腺特异性抗原(PSA)相关参数对临床显著性前列腺癌的诊断效能,并进行内部验证.方法收集2016年1月至2021年4月北部战区总医院放射诊断科150例活检前接受前列腺磁共振检查且总前列腺特异抗原(tPSA)>4 ng/mL患者的临床资料.Gleason评分≥7分患者纳入临床显著性前列腺癌(csPCa)组(n=71),Gleason评分<7分及良性疾病(前列腺增生、前列腺炎)患者纳入非csPCa组(n=79).从2组中按7:3比例随机分配至建模组和验证组.采用t检验比较2组PI-RADS v2.1、tPSA、游离PSA/tPSA(f/tPSA),PSA密度(PSAD)的差异,将有统计学差异(P<0.05)指标作为自变量,建立PI-RADS v2.1与PSA相关参数的logistic预测模型:(1)PI-RADS v2.1+tPSA;(2)PI-RADS v2.1+t/fPSA;(3)PI-RADS v2.1+PSAD.将验证组数据代入模型方程,以预测概率(P)及PI-RADS v2.1绘制受试者操作特征(ROC)曲线,评估诊断效能.结果 PI-RADS v2.1与PSA相关参数建立预测模型:(1)Logit P=-7.313+1.62PI-RADS v2.1+0.088tPSA;(2)Logit P=-0.453+1.833PI-RADS v2.1-39.811f/tPSA;(3)Logit P=-12.031+1.917PI-RADS v2.1+29.206PSAD.模型(1)、(2)、(3)的预测概率(P)与PI-RADS v2.1的ROC曲线下面积分别为0.927、0.915、0.984和0.899;Z检验进行两两比较结果显示,模型(1)、(2)与PI-RADS v2.1诊断csPCa比较差异无统计学意义(均P>0.05);模型(3)与PI-RADS v2.1诊断csPCa的差异有统计学意义(P<0.05).结论 PI-RADS v2.1与PSAD联合诊断的预测模型对csPCa的诊断效能高于PI-RADS v2.1单独诊断.