一种基于PET的前列腺特异性膜抗原方法,用于改善格里森等级组1的前列腺癌诊断:一个多中心的回顾性研究
Jingliang Zhang1, Fei Kang2, Jie Gao3
1Department of Urology, Xijing Hospital, Fourth Military Medical University, Xi'an, China.
概括
结合PRIMARY分数和SUVmax的新模型改善了对低级别活检患者临床显著前列腺癌 (csPCa) 的检测. 这种方法提高了诊断的准确性,帮助前列腺癌的关键治疗决策.
科学领域:
- 核医学就是核医学.
- 放射性药理学 是一种放射性药理学.
- 尿道瘤学 尿道瘤学
背景情况:
- 从前列腺活检中预先手术的格里森等级组 (GG) 可以低估临床显著的前列腺癌 (csPCa),特别是在GG1病例中.
- 标准SUVmax值可能无法在所有患者中可靠检测cspca,因此需要改进诊断工具.
研究的目的:
- 开发和验证一个诊断模型,以改善cspca检测在患者的活检GG1和低SUVmax.
- 将新模型的诊断性能与PI-RADS评分等现有方法进行比较.
主要方法:
- 对56名前列腺癌患者的回顾性分析,活检GG1和SUVmax<12.
- 开发一个深度学习模型来分析[68Ga]Ga-PSMA-HBED-CC PET扫描,评估SUVmax与格里森模式的重叠.
- 使用PRIMARY分数和SUVmax创建诊断模型,通过5倍交叉验证进行验证.
主要成果:
- 组合模型 (10 × PRIMARY评分 + 2 × SUVmax) 与单独的SUVmax (0.7353) 或单独的PRIMARY评分 (0.7257) 相比,显示出更高的AUC (0.8359).
- 这种模型在子组分析中表现出比PI-RADS评分优越的性能,显著减少了错误诊断.
- 内部验证证实了该模型的稳定性,平均5倍交叉验证的AUC为0.8357.
结论:
- 拟议的模型 (10 × PRIMARY评分 + 2 × SUVmax) 显示了提高特定患者组的csPCa诊断精度的希望.
- 这种模型最大限度地提高了PSMA信息的实用性,可能减少PI-RADS得分错误分类.
- 提高诊断准确度可以帮助临床医生做出更明智和适当的前列腺癌治疗决策.
