一个基于血液学和炎症标志物的模型,用于前列腺癌诊断
Peiyi Guo1,2, Garu A3, Tao Chen4
1Centrum für Muskuloskeletale Chirurgie, Campus Virchow Klinikum, Charité - Universitätsmedizin Berlin, Corporate Member of Freie Universität Berlin and Humboldt-Universität zu Berlin Augustenburger Platz 1, 13353, Berlin, Deutschland.
American journal of cancer research
|July 16, 2025
概括
这项研究开发了一种新的前列腺癌 (PC) 诊断模型,使用血液学和炎症标志物. 与传统方法相比,该模型显著提高了早期PC检测的准确性.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 在瘤学瘤学.
- 血液学 血液学 血液学
背景情况:
- 前列腺癌 (PC) 是男性的主要癌症,早期检测对于有效管理至关重要.
- 目前的前列腺特异性抗原 (PSA) 查在诊断准确性方面面临挑战,以区分恶性和良性疾病.
- 血液学和炎症标志物为改善PC诊断提供了潜力.
研究的目的:
- 开发和验证用于早期前列腺癌检测的诊断模型.
- 通过将新型炎症标志物与传统PSA检测相结合,提高诊断准确度.
- 评估模型的性能与传统的诊断方法相比.
主要方法:
- 对317名接受前列腺活检 (126名PC,191名良性前列腺增生) 的患者进行了回顾性研究.
- 分析临床和实验室数据,包括PSA,中性粒细胞与淋巴细胞的比率 (NLR),血小板与淋巴细胞的比率 (PLR) 和C反应蛋白 (CRP).
- 后勤回归和LASSO回归用于标记选和模型构建;ROC和决策曲线分析用于绩效评估.
主要成果:
- 中性粒细胞,单细胞,CRP,NLR,NAR,CK-MB和PSA被确定为PC的独立诊断指标.
- 基于LASSO回归的模型实现了曲线下的面积 (AUC) 为0.850.
- 与传统的物流回归模型 (AUC=0.792) 相比,该模型显示出明显优异的诊断准确性.
结论:
- 将PSA与新型炎症标记物结合起来,可以提高前列腺癌的早期诊断准确度.
- 提出的预测模型显示了改善早期PC检测和临床决策的前景.
- 这种方法为区分PC和良性前列腺增生提供了更准确,更有效的工具.
