开发和验证一个前列腺癌风险预测模型,用于增加PSA的人群
Junhui Wu1, Xiaodong Jin1, Jiali Li1
1Department of Urology, The First Affiliated Hospital of Zhejiang Chinese Medical University (Zhejiang Provincial Hospital of Chinese Medicine), Hangzhou, Zhejiang, China.
Frontiers in oncology
|October 1, 2025
概括
这项研究开发了一种新的非侵入性模型,使用前列腺特异性抗原 (PSA) 和血液标记物来区分高PSA的男性的良性和恶性前列腺疾病. 该模型有助于临床风险分层.
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.
- 生物标志物研究 生物标志物研究
背景情况:
- 提升的前列腺特异性抗原 (PSA) 水平需要进一步调查,以区分良性前列腺疾病和前列腺癌.
- 准确的风险分层对于适当的患者管理和避免不必要的侵入性手术至关重要.
研究的目的:
- 开发和验证一个动态的临床预测模型.
- 为了整合前列腺特异性抗原 (PSA) 和外周血液生物标志物.
- 在患有高PSA水平的患者中区分良性和恶性前列腺疾病.
主要方法:
- 临床病理学数据和529名 PSA 升高 (>4.0 ng/ml) 的患者手术前血液样本的回顾性分析.
- 使用单变量分析,LASSO回归和多因素后勤回归来识别独立的风险因素.
- 构建,校准和验证临床预测模型,将其集成到网络计算器中.
主要成果:
- 确定了关键的独立风险因素:PSA,白细胞计数,中性细胞与淋巴细胞的比率,淋巴细胞与单细胞的比率,乙素细胞计数,基细胞计数和血清白蛋白.
- 开发的预测模型实现了0.906曲线下的面积,具有77.6%的特异性和95%的灵敏度.
- 该模型展示了卓越的校准,并被制定为一个动态预测工具.
结论:
- 建立了一个整合PSA和外周血液生物标志物的非侵入性预测模型.
- 该模型提供了一种临床实用的工具,用于在 PSA 升高的患者中进行风险分层.
- 这种方法有助于区分良性和恶性前列腺疾病,指导临床决策.
