联合第2版前列腺影像报告与数据系统评分与前列腺特异性抗原的Logistic回归预测模型诊断移行区前列腺癌

目的 建立第2版前列腺影像报告和数据系统（PI-RADS v2）评分联合前列腺特异性抗原（PSA）的Logistic回归预测模型，评价其对移行区前列腺癌（PCa）的诊断价值。方法 回顾性分析经病理证实的移行区前列腺腺癌（PCa组，n=33）和良性前列腺增生或前列腺炎（非PCa组，n=54）患者的术前MRI及PSA资料。采用PI-RADS v2对2组进行评分（由低至高评为1~5分）。分析2组的PI-RADS v2评分、总PSA（t-PSA）、游离PSA（f-PSA）与t-PSA比值（f-PSA/t-PSA）及PSA密度（PSAD）的差异，选择有统计学意义的指标为自变量，以病理结果是否为PCa为因变量，建立3项Logistic回归模型：PI-RADS v2+t-PSA（A）；PI-RADS v2+f-PSA/t-PSA（B）；PI-RADS v2+PSAD（C）。建立Logistic回归模型产生的Logit（P）和PI-RADS v2评分的ROC曲线，评估其诊断效能。结果 2组t-PSA、f-PSA/t-PSA、PSAD及PI-RADS v2评分差异均有统计学意义（P均＜0.01）。A、B、C Logistic回归预测模型分别为：Logit（P）=－8.682+1.507 PI-RADS v2+0.234 t-PSA（χ2=65.993，P＜0.01）；Logit（P）=－5.425+1.906 PI-RADS v2－13.921 f-PSA/t-PSA（χ2=65.993，P＜0.01）；Logit（P）=－7.534+1.045 PI-RADS v2+13.318 PSAD（χ2=74.036，P＜0.01）。以A、B、C模型产生的Logit（P）预测病理结果，其ROC曲线下面积分别为0.945、0.919、0.960，均高于单独使用PI-RADS v2评分（AUC为0.861），差异有统计学意义（P均＜0.01）。其中C模型诊断效能最佳，其敏感度、特异度分别为87.88%、92.59%。单独使用PI-RADS v2评分的敏感度、特异度分别为87.88%、77.78%。结论 联合PI-RADS v2评分和PSA指标的Logistic回归预测模型对移行区PCa的诊断效能优于单独使用PI-RADS v2评分，为可疑移行区PCa患者行穿刺活检提供了可靠的依据