个性化动态预测模型用于活检时间在前列腺癌患者在积极监测期间
Ivo I de Vos1, Daan Nieboer1, Mark Frydenberg2
1Erasmus MC Cancer Institute, University Medical Center Rotterdam, Rotterdam, the Netherlands.
JAMA network open
|January 17, 2025
概括
一个新的动态模型预测前列腺癌 (PC) 在主动监测 (AS) 期间的重新分类风险,可能减少不必要的活检. 这个工具有助于个性化的护理PC患者在AS.
科学领域:
- 在瘤学瘤学.
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 医疗信息学 医疗信息学
背景情况:
- 前列腺癌 (PC) 的积极监测 (AS) 依赖于固定的活检时间表,增加错过疾病进展或不必要的侵入性手术的风险.
- 个性化方法至关重要,以平衡活检负担与重新分类到重大疾病的风险.
研究的目的:
- 在AS期间开发和外部验证PC重新分类风险的动态预测模型.
- 为个性化,基于风险的AS战略提供一个工具.
主要方法:
- 使用来自前列腺癌国际研究:主动监测 (PRIAS) 研究和外部验证队伍的数据,采用了纵向和时间到事件数据的联合模型.
- 预测因素包括基线和重复的临床特征,PSA水平,MRI发现和活检结果.
- 模型的性能被评估使用时间依赖的区域在接收机操作特征曲线 (AUC) 和负预测值 (NPV) 下.
主要成果:
- 动态模型确定了重新分类的关键风险因素,包括年龄,PSA速度,前列腺体积和MRI发现.
- 该模型表现出强的性能,NPV从86%到97%不等,时间依赖的AUC在开发队列中介于0.81-0.84和外部验证中介于0.52-0.90.
- 外部验证证实了该模型在不同患者队列中的通用性.
结论:
- 开发的动态风险模型有效地识别了AS期间PC重新分类风险较低的患者.
- 这种经过验证的模型有可能支持个性化,基于风险的AS协议.
- 该模型的实施可能会显著减少不必要的前列腺活检的需要,改善患者管理并减少医疗保健负担.
