基于Bp-MRI的PI-RADS v2.1评分构建列线图预测PSA(4-20ng/mL)前列腺癌的诊断价值

目的 基于前列腺影像报告和数据系统2.1版(Prostate Imaging Report and Data System version 2.1,PI-RADS v2.1)的双参数磁共振成像(biparametric MRI,bp-MRI)和前列腺特异性抗原(prostate specific antigen,PSA)等临床指标,构建鉴别诊断PSA(4-20 ng/mL)前列腺癌(prostate cancer,PCa)的列线图模型.材料与方法 回顾性分析宁夏医科大学总医院2017年10月至2022年2月206例行bp-MRI检查并有病理学结果的患者资料.根据病理结果分为PCa组(n=66)和前列腺增生和(或)炎症组(n=140),经单、多因素logistic回归分析筛选PSA(4-20 ng/mL)PCa患者的独立危险因素,随后使用R软件构建列线图模型,并用决策曲线分析(decision curve analysis,DCA)其临床净效益.以受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under the curve,AUC)、敏感度和特异度评价诊断效能,并通过DeLong检验比较AUC值间的差异.结果 年龄、总前列腺特异性抗原(total prostate specific antigen,tPSA)、前列腺体积(prostate volume,PV)、PI-RADS v2.1是预测PSA(4-20 ng/mL)PCa的独立危险因素.基于上述4个独立指标构建的列线图模型诊断效能最好(AUC=0.945),明显高于PI-RADS v2.1(AUC=0.816)、PV(AUC=0.772)、tPSA(AUC=0.737)、年龄(AUC=0.680).结论 基于bp-MRI的PI-RADS v2.1评分联合临床相关指标建立的列线图模型,预测PSA(4-20 ng/mL)PCa的诊断效能明显优于单一指标,可作为一种无创精准化预测工具,将更全面、准确地预测罹患PCa的风险概率,为临床提供有效的诊疗指导.