论文部分内容阅读
目的:通过将前列腺特异性抗原-年龄-体积(prostate-specific antigen-age volume,PSA-AV)、前列腺特异性抗原(prostate-specificantigen,PSA)及其它衍生物数据纳入前列腺成像-报告和数据系统第2版(the Prostate Imaging-Reporting and Data System version 2,PI-RADS v2),提高前列腺癌(prostate cancer,PCa)诊断的准确性。材料和方法:回顾性分析2014年1月至2018年12月于本院行前列腺检查的患者1720例,最终入组357例,中位年龄68,范围63-74。所有患者均于术前进行了 3.0T多参数前列腺磁共振成像(multi-parameter magnetic resonance imaging,mpMRI)和相关实验室检查。PI-RADS v2用于评估前列腺mpMRI图像,PSA、PSA密度(PSA density,PSAD)、游离/总 PSA比(the free/total PSA ratio,f/tPSA)、PSA-AV 作为临床指标。根据病理结果分为良性前列腺增生组(benign prostatic hyperplasia,BPH)和 PCa 组、临床显著前列腺癌(clinical significant PCa,CS PCa)组。PS A-AV 作为新参数,检验其与PI-RADS v2联合诊断PCa的功效。根据PSA、PSAD、f/t PSA和格里森评分(Gleason score,GS)将患者分为四个亚组,采用权重积分制,对不同亚组赋予分值,结合PI-RADS v2构建PCa积分诊断模型。采用单因素及多因素方差分析各参数在PCa、CSPCa和BPH的差异,采用受试工作者特征曲线(receiver operating characteristic,ROC)比较各模型对于PCa诊断效能,p<0.05认为差异有统计学意义,p<0.001认为差异有显著统计学意义。结果:术后病理证实 BPH 组 174 例(174/357,48.7%,组 1),PCa 组 183 例(183/357,51.3%),其中有 149 例(81.4%,149/183)属于 CS PCa。对于 PCa 组,GS 6(组2)34 例,GS 7(组 3)74 例,GS 8-10(组 4)75 例。PSA-AV、PSA、PSAD、f/t PSA、PI-RADS v2对于PCa和CS PCa的诊断均具有明显相关性。PI-RADS v2>4的PCa检出率为82.1%,血清PSA≥10ng/ml的PCa检出率为66.2%,PSAD≥0.15ng/ml/cc的PCa检出率为62.8%,PSA-AV ≤250的PCa检出率为83.5%。在前列腺诊断灰色区域,结合PSA-AV≤250,对于PSA在4-10 ng/ml的患者,PCa检出率可以从36.0%提高至81.0%;对于PI-RADS v2得分为3的患者,PCa检出率可以从28.6%提高至 60.0%。PI-RADS v2 预测 PCa 的曲线下面积(area under curve,AUC)、敏感性、特异性分为0.821、75.8%、82.8%;预测CSPCa的AUC、敏感性、特异性分为 0.86、83.4%、83.0%。建立的模型 6(PI-RADS v2+PSAD 亚组+f/tPSA亚组+PSA亚组)预测PCa的AUC、敏感性和特异性分别为0.884、81.4%和84.5%。相应地,预测CSPCa的AUC敏感性和特异性分别为0.913、87.7%和83.0%。模型6的得分与前列腺GS之间的相关性具有统计学意义(p<0.001)。模型6得分在GS 1-4组的平均值和95%置信区间分别为10.20(9.63-10.40),12.03(11.19-12.87),14.12(13.60-14.64)和 15.44(15.09-15.79)。结论:1.PSA-AV,PSA,PSAD,f/t PSA 和 PI-RADS v2 在 PCa和 CS PCa 具有显著相关性。2.对于PI-RADS v2和PSA灰色区域中的患者,PSA-AV可以提高PCa的检出率。3.PI-RADS v2结合PSA及其衍生数据有助于提高前列腺诊断的准确性,采用积分模型可能更有利于临床应用。4.新建立PCa诊断模型积分与病理分级之间具有较强的相关性,有助于在MRI结果为阴性时判断是否进行活组织检查的临床决策。