论文部分内容阅读
目的探讨当前列腺MRI影像报告和数据系统(PI-RADS V2)评分为3时(以下简称3分),PSA及其相关指标对前列腺癌的诊断价值。方法回顾性分析苏州大学附属第二医院2015年1月至2018年5月行多参数磁共振检查(Multi-parametric magnetic resonance imaging,Mp-MRI),并接受前列腺穿刺活检的361例患者临床资料。根据PI-RADS评分将全体患者分为2分及以下、3分、4分、5分四组,分别计算四组间PI-RADS评分的灵敏度(SE)及特异度(SP)。收集PI-RADS V2为3分的患者年龄、前列腺体积、tPSA、PSAD、FPSA/TPSA(F/T)等临床资料。受试者工作特征(ROC)曲线分析各指标对前列腺癌(Prostatic carcinoma,Pca)的诊断价值,取得各指标CUT OFF(最佳阈值)值。再将各指标联合分析,利用logistic回归分析筛选出独立危险预测因子,并建立相应的危险评估模型。结果140例3分患者中,PSA在Pca和BPH组间差异具有统计学意义(P<0.05),PSA:CUT OFF值:19.6 ng/ml,特异度及准确度达 0.855 和0.698(P<0.05)。3分患者人群中,55例患者PSA位于PSA灰区(4.0ng/ml～10.0ng/ml),PSAD及FPSA/TPSA(F/T)在Pca和BPH组间差异具有统计学意义。(P分别为0.00 及 0.013)。PSAD:CUT OFF 值取 0.145 ng/ml,AUC(曲线下面积):0.825(95%CI:0.698～0.914),灵敏度及特异度分别达 0.833 和 0.903(P<0.05)。F/T:CUT OFF 值取 0.174,AUC:0.737,(95%CI 0.601～0.847),灵敏度及特异度为0.750 和 0.871(P<0.05)。PSAD+F/T 联合诊断指标:AUC:0.840(95%CI:0.801～0.956),灵敏度达0.913。预测模型的建立:由logistic回归分析可知,F/T及PSAD均为独立危险预测因子,从而得到危险评估模型:logit(p)=(-3.745798)+(-12.13921)×F/T+38.92853×PSAD。为方便应用,同时建立患癌风险总分公式:Total score=40 ×Psad-12 ×FPSA/TPSA+3.6。结论对于3分患者,PSA可有效鉴别前列腺良恶性病变。联合应用PSAD及F/T可提高PSA灰区患者前列腺癌诊断敏感度及特异度,避免漏诊、误诊及降低无意义的穿刺活检。风险预测模型结合PSAD、F/T指标可有效提高对前列腺癌诊断能力。