
-
生物通官微
陪你抓住生命科技
跳动的脉搏
PSA密度变化速度在前列腺磁共振成像诊断前列腺癌中的应用价值
《Abdominal Radiology》:Utility of PSA density velocity in diagnosing prostate cancer on prostate MR
【字体: 大 中 小 】 时间:2026年10月11日 来源:Abdominal Radiology 2.3
编辑推荐:
摘要目的评估PSA密度(PSAD)变化速度是否为临床显著前列腺癌(csPCa)的预测因子。方法纳入2017年至2023年间因疑似csPCa接受前列腺MRI检查的患者。在上述患者中,筛选出在0.3至2年内接受两次或以上MRI检查、且在最后一次MRI后1年内获得病理确认的患者。评
评估PSA密度(PSAD)变化速度是否为临床显著前列腺癌(csPCa)的预测因子。
纳入2017年至2023年间因疑似csPCa接受前列腺MRI检查的患者。在上述患者中,筛选出在0.3至2年内接受两次或以上MRI检查、且在最后一次MRI后1年内获得病理确认的患者。评估PI-RADS评分、患者年龄、无既往前列腺癌队列或主动监测(AS)状态、PSA、PSAD、PSA变化速度及PSAD变化速度是否为csPCa的预测因子。单变量分析采用学生t检验或卡方检验评估所有变量。当变量被认为具有显著性时,纳入多变量Logistic回归模型。为评估PSAD变化速度是否能在已确立的预测因子之外增加诊断价值,我们比较了基础模型(年龄、PI-RADS评分、临床队列及当前PSAD)与在基础模型中添加PSAD变化速度的模型,使用1000次自助重抽样得到的乐观校正AUC进行评估。
共进行23,244例MRI检查(无既往前列腺癌17,703例,主动监测5,541例)。1,174名患者(平均年龄:65.9岁)符合纳入标准,其中550例(46.8%)被诊断为csPCa。单变量分析显示,PI-RADS评分(p<.0001)、年龄(67.0岁 vs. 64.9岁,p<.0001)、AS状态(67% vs. 59%,p = .004)、PSA(7.5 vs. 6.6 ng/mL,p<.001)、PSAD(p<.0001)及PSAD变化速度(0.023 vs. 0.012 ng/mL/mL/年,p = .005)与csPCa相关,但PSA变化速度(1.4 vs. 1.2 ng/mL/年,p=.38)无关。多变量分析显示,PI-RADS评分(p<.0001)、年龄(p<.0001)、AS状态(p = .002)、PSA(p<.0001)及PSAD(p<.0001)仍为显著预测因子,但PSAD变化速度不是(p = .13)。在基础模型中添加PSAD变化速度对乐观校正AUC无显著改善(0.7605 vs. 0.7611;ΔAUC = +0.0006,95% CI ?0.0002至+0.0019)。
单变量分析显示,较高的PSAD变化速度与csPCa的存在相关,但多变量分析中未证实,且在固定模型分析中,在已确立预测因子之外未能有意义地改善诊断判别能力。

评估PSA密度(PSAD)变化速度是否为临床显著前列腺癌(csPCa)的预测因子。
纳入2017年至2023年间因疑似csPCa接受前列腺MRI检查的患者。在上述患者中,筛选出在0.3至2年内接受两次或以上MRI检查、且在最后一次MRI后1年内获得病理确认的患者。评估PI-RADS评分、患者年龄、无既往前列腺癌队列或主动监测(AS)状态、PSA、PSAD、PSA变化速度及PSAD变化速度是否为csPCa的预测因子。单变量分析采用学生t检验或卡方检验评估所有变量。当变量被认为具有显著性时,纳入多变量Logistic回归模型。为评估PSAD变化速度是否能在已确立的预测因子之外增加诊断价值,我们比较了基础模型(年龄、PI-RADS评分、临床队列及当前PSAD)与在基础模型中添加PSAD变化速度的模型,使用1000次自助重抽样得到的乐观校正AUC进行评估。
共进行23,244例MRI检查(无既往前列腺癌17,703例,主动监测5,541例)。1,174名患者(平均年龄:65.9岁)符合纳入标准,其中550例(46.8%)被诊断为csPCa。单变量分析显示,PI-RADS评分(p<.0001)、年龄(67.0岁 vs. 64.9岁,p<.0001)、AS状态(67% vs. 59%,p = .004)、PSA(7.5 vs. 6.6 ng/mL,p<.001)、PSAD(p<.0001)及PSAD变化速度(0.023 vs. 0.012 ng/mL/mL/年,p = .005)与csPCa相关,但PSA变化速度(1.4 vs. 1.2 ng/mL/年,p=.38)无关。多变量分析显示,PI-RADS评分(p<.0001)、年龄(p<.0001)、AS状态(p = .002)、PSA(p<.0001)及PSAD(p<.0001)仍为显著预测因子,但PSAD变化速度不是(p = .13)。在基础模型中添加PSAD变化速度对乐观校正AUC无显著改善(0.7605 vs. 0.7611;ΔAUC = +0.0006,95% CI ?0.0002至+0.0019)。
单变量分析显示,较高的PSAD变化速度与csPCa的存在相关,但多变量分析中未证实,且在固定模型分析中,在已确立预测因子之外未能有意义地改善诊断判别能力。
