开发和验证临床定量MRI模型,用于预测PI-RADS 3病变中临床显著的前列腺癌
Dongwei Wang1, Lijun Tang1, Ying Duan1
1Department of Nuclear Medicine, The First Affiliated Hospital of Nanjing Medical University, 300 Guangzhou Road, Nanjing 210029, China.
Academic radiology
|January 13, 2026
概括
使用临床数据和MRI定量参数的新组合模型有效地识别PI-RADS 3病变中的临床显著前列腺癌 (csPCa). 这种方法有助于做出活检决定,并减少不必要的程序,以获得更好的患者结果.
科学领域:
- 放射学和医学成像学 医学成像学
- 在瘤学瘤学.
- 生物统计学 生物统计学
背景情况:
- 前列腺癌的检测通常涉及PI-RADS评分,但PI-RADS 3病变存在诊断不确定性.
- 在这些模两可的病变中,准确预测临床上显著的前列腺癌 (csPCa) 对适当的患者管理至关重要.
- 目前的方法可能无法在PI-RADS 3病变中完全区分csPCa与惰性疾病.
研究的目的:
- 开发和验证一个整合临床和MRI定量参数的预测模型,用于PI-RADS 3病变中的csPCa检测.
- 将组合模型的性能与仅临床和仅成像模型进行比较.
- 为了提高诊断准确度,并指导PI-RADS 3前列腺病变的活检决策.
主要方法:
- 对151名PI-RADS 3病变患者的回顾性分析,根据病理分类为csPCa和非csPCa组.
- 定量MRI参数 (T1,T2,质子密度,ADC) 来自合成MRI (syMRI) 和ADC地图.
- 开发一种结合模型,结合通过后勤回归识别的独立预测因子 (前列腺体积,前列腺特异性抗原密度,T2,ADC).
主要成果:
- 多变量分析确定前列腺体积 (PV) 和前列腺特异性抗原密度 (PSAD) 是关键的临床预测因素.
- T2和明显扩散系数 (ADC) 值成为显著的独立成像预测指标.
- 组合模型的预测性能优越,曲线下的面积 (AUC) 为0.91,超过临床 (AUC=0.76) 和定量参数模型 (AUC=0.84).
结论:
- 综合临床-MRI定量参数模型使用syMRI准确识别PI-RADS 3病变中的csPCa.
- 该模型可以指导活检决策,从而减少不必要的侵入性手术.
- 更好地识别csPCa可以导致更好的患者管理和更好的生活质量.
