前列腺影像报告和数据系统联合前列腺特异性抗原的Logistic回归模型评价外周带前列腺癌的诊断效能

目的 建立前列腺影像报告和数据系统第2版(PI-RADS v2)与前列腺特异性抗原(PSA)结合的Logistic回归预测模型,评价其对外周带前列腺癌的诊断能力.方法 回顾性分析经病理证实的外周带前列腺69例、非前列腺癌109例的患者术前MRI及前列腺特异性抗原资料.应用PI-RADS v2对外周带前列腺癌行发病风险评分.分析外周带前列腺癌组与非前列腺癌组PI-RADS v2评分、总PSA、游离与总PSA比值、前列腺特异性抗原密度(PSAD)及外周带前列腺特异性抗原密度(PZ-PSAD)指标的差异,选择具有统计学意义的指标作为自变量,以病理结果是否为前列腺癌作为因变量,拟建立四项Logistic回归模型:A、PI-RADS v2+总PSA;B、PI-RADS v2+游离与总PSA比值;C、PI-RADS v2+PSAD;D、PI-RADS v2+PZ-PSAD,建立Logistic回归模型产生的P和PI-RADS v2评分的受试者工作曲线,评估其诊断效能.结果 前列腺癌组与非前列腺癌组PI-RADS v2评分、总PSA、游离与总PSA比值、PSAD、PZ-PSAD差异有统计学意义(P<0.01),纳入因变量.外周带前列腺癌Logistic回归预测模型建立如下:A:Logit P=-6.825+1.024PI-RADS v2+0.223总PSA、B:Logit P=-4.354+1.586PI-RADS v2-12.7841游离与总PSA比值、C:Logit P=-8.993+1.630PI-RADS v2+17.091PSAD、D:Logit P=-9.434+1.596PI-RADS v2+10.494PZ-PSAD.A、B、C、D模型产生的Logit P预测概率,其受试者工作曲线下面积高于PI-RADS v2,差异具有统计学意义(Z=2.44、2.68、3.11、3.41,P<0.05).结论 联合PI-RADS v2评分与前列腺特异性抗原指标的Logistic回归预测模型对外周带前列腺癌的诊断效能优于单独使用PI-RADS v2评分,为可疑外周带前列腺癌患者行穿刺提供了更可靠的依据.