伤感情话欢迎关注本刊公众号
《肿瘤影像学》2020年第29卷第6期Oncoradiology 2020 Vol.29 No.6
579
·论 著·
通信作者：陆应军 E-mail:******************
基于双参数磁共振成像PI-RADS v2的列线图模型对前列腺临床显著癌的诊断价值分析
王 钧1，王志兵1，陆应军2
1. 淮安市淮安医院影像科，江苏 淮安 223200；
2. 阜宁县人民医院影像科，江苏 盐城 224400
［摘要］ 目的：探讨基于双参数磁共振成像（biparametric magnetic resonance imaging ，bp-MRI ）第二版前列腺影像报告和数据系统（Prostate Imaging Reporting and Data System version 2，PI-RADS v2）联合临床指标建立的列线图模型对前列腺临床显著癌（clinically significant prostate cancer ，cs-PCa ）风险的预测能力。方法：回顾并分析2015年1月—2019年 12月经穿刺标本病理学检查证实的251例前列腺bp-MRI 检查的患者临床及影像学资料，包括PI-RADS v2评分、年龄、总前列腺特异性抗原（total prostate-specific antigen ，t-PSA ）、游离PSA （free PSA ，f-PSA ）、游离PSA 比值（percent free PSA ，f/t-PSA ）、前列腺体积（prostate volume ，PV ）和PSA 密度（PSA density ，PSAD ）。多因素logistic 回归分析确定诊断cs-PCa 的独立预测指标，建立列线图模型。应用受试者工作特征（receiver operating characteristic ，ROC ）曲线比较预测模型和各独立预测指标对cs-PCa 的诊断效能。结果：PI-RADS v2评分、年龄和PV 是诊断cs-PCa 的独立预测指标 （P ＜0.05）。构建的列线图预测模型有良好的预测准确度（C-index 值为0.920）。预测模型诊断cs-PCa 曲线下面积（area under curve ，AUC ）为0.932，显著高于PI-RADS v2评分（0.864，P ＜0.0
01）、PV （0.754，P ＜0.001）和年龄（0.676， P ＜0.001）。预测模型诊断cs-PCa 的灵敏度和特异度分别为90.3%、85.2%，均高于PI-RADS v2评分（85.5%，76.2%）、 PV （71.0%，69.3%）和年龄（85.5%，41.3%）。结论：基于bp-MRI PI-RADS v2评分、PV 和年龄建立的列线图模型有较高的预测价值，能提高对cs-PCa 的诊断能力，具有良好的临床实用价值。［关键词］ 前列腺癌；列线图；前列腺影像报告和数据系统DOI: 10.19732/jki.2096-6210.2020.06.011
中图分类号：R737.1；R445.2 文献标志码：A 文章编号：2096-6210(2020)06-0579-09
A nomogram bad on biparametric prostate magnetic resonance imaging PI-RADS v2 to predict clinically significant prostate cancer WANG Jun 1, WANG Zhibing 1, LU Yingjun 2 (1. Department of Radiology, Huai’an hospital, Huai’an 223200, Jiangsu Province, China; 2. Department of Radiology, The People’s Hospital of Funing Country, Yancheng 224400, Jiangsu Province, China)
Correspondence to: LU Yingjun E-mail:******************
［Abstract ］ Objective: To evaluate the predictive value of a nomogram constructed by Prostate Imaging Reporting and Data System version 2 (PI-RADS v2) bad on biparametric magnetic resonance imaging (bp-MRI) combined with clinical indicators for the diagnosis of clinically significant prostate cancer (cs-PCa). Methods: Clinical and imaging data of 251 patients who underw房地产市场调查
ent prostate bp-MRI and confirmed pathologically by transrectal ultrasound-guided prostate biopsy from Jan. 2015 to Dec. 2019 were retrospectively analyzed, including PI-RADS v2 score, total prostate-specific antigen (t-PSA), free PSA (f-PSA), percent free PSA (f/t-PSA), prostate volume (PV), and PSA density (PSAD). Multivariate logistic regression analysis was performed to determine independent predictors for the diagnosis of cs-PCa, thereby establishing a nomogram predictive model and internally validated its predictive accuracy and consistency. The receiver operating characteristic (ROC) curve was ud to compare diagnostic performance in the predictive model and the independent predictors for cs-PCa. Results: PI-RADS v2 score bad on bp-MRI, age and PV were independent predictors of cs-PCa (P ＜0.05). The predictive nomogram bad on the independent predictors was developed and proven to have a satisfactory prediction accuracy with C-index of 0.920 for the internal validation. The area under curve (AUC) in
观潮朗读580王 钧，等基于双参数磁共振成像PI-RADS v2的列线图模型对前列腺临床显著癌的诊断价值分析
前列腺癌（prostate cancer，PCa）是老年男性常见的恶性肿瘤之一，在欧美发达国家，其死亡率位于第二位，仅次于支气管肺癌。根据2019年美国癌症协会（American Cancer Society，ACS）统计数据显示，PCa新发例数居于首位（约174 650例），占所有肿瘤新发例数的20%［1］。中国PCa发病率虽低于欧美发达国家，但近年来由于人口老龄化、饮食习惯和生活方式的改变，PCa发病率逐年
上升。另外，中国PCa患者临床就诊时病情往往处于中、晚期阶段，临床治疗效果和预后不佳［2］。目前，血清前列腺特异性抗原（prostate-specific antigen，PSA）水平检测是临床PCa筛查的常用方法，其诊断灵敏度高，但特异度低。近年来，基于血清PSA水平而衍生出的血清游离PSA比值（percent free PSA，f/t-PSA）、PSA密度（PSA density，PSAD）等多项临床指标可不同程度地提高对PCa 的诊断能力［3-4］。
PCa和非癌病变（尤其是良性前列腺增生症）的临床表现常相似，有时难以准确鉴别。磁共振成像（magnetic resonance imaging，MRI）因其无创性检查、良好的空间分辨率及多参数成像等优势，在前列腺病变的诊断和鉴别诊断中发挥着重要作用。目前，前列腺MRI检查常用多参数MRI（multiparametric MRI，mp-MRI）序列，主要包括T2加权成像（T2-weighted imaging，T2WI）、扩散加权成像（diffusion-weighted imaging，DWI）和动态对比增强MRI 成像（dynamic contrast-enhanced MRI，DCE-MRI）。基于多参数MRI的前列腺影像报告和数据系统第二版（Prostate Imaging Reporting and Data System version 2，PI-RADS v2）评分对前列腺病变的诊断和疗效监测具有重要作用，现已广泛应用于临床［5-6］。PI-RADS v2评分主要针对临床显著癌［7］（即Gleason评分≥7分，和/或体积≥0.5cm3，和/或包膜外侵犯）。然而，DCE-MRI对PCa的检出价值存在诸多争议。近年来，由T2WI和DWI序列组成的双参数MRI （biparametric MRI，bp-MRI）检查方案被提出并应用于PCa的诊断。简化的bp-MRI不仅对PCa的诊断效能与mp-MRI相当，而且还可解决mp-M
RI检查费用高、检查时间长且对比剂应用潜在风险等问题［8-10］。因此，简化的bp-MRI可作为优选MRI扫描方案应用于临床。
目前，尚无任何一种无创性检查方法在诊断PCa上能同时兼顾灵敏度和特异度，因此需将影像学检查与临床指标进行联合诊断，可提高对PCa，尤其是临床显著癌的诊断效能。列线图是一种基于逻辑回归或Cox回归而建立的统计学模型，可用于临床事件的预测分析。该模型可将各预测指标进行量化并以图形化呈现，能够更为直观地对临床事件的风险进行评估和预测，现已广泛应用于多种肿瘤，比如乳腺癌和PCa等［11-12］。本研究旨在应用基于bp-MRI PI-RADS v2评分联合临床指标建立的列线图模型预测前列腺临床显著癌发生风险，并与各独立预测指标单独应用的诊断效能进行比较、分析。
1 资料和方法
1.1 研究对象
本回顾性研究经伦理委员会同意，知情同意书舍弃。分析2015年1月—2019年12月在淮安市淮安医院及阜宁县人民医院进行前列腺MRI检查的患者资料，按照下述纳入和排除标准最终入组251例患者。纳入标准：①血清总PSA水平升高（＞4 ng/mL）；②进行bp-MRI（T2WI+DWI）扫描，检查序列均包括横断位和矢状位T2WI、
the predictive model was 0.932, significantly greater than tho in PI-RADS v2 score (0.864, P＜0.001), PV (0.754, P＜0.001) and age (0.676, P＜0.001). In addition, diagnostic nsitivity and specificity for the predictive model for cs-PCa were 90.3% and 85.2%, which higher than tho for PI-RADS v2 score (85.5%, 76.2%), PV (71.0%, 69.3%) and age (85.5%, 41.3%). Conclusion: The predictive nomogram established by PI-RADS v2 score bad on bp-MRI, PV and age shows a satisfactory predictive value for cs-PCa, which can improve the diagnostic performance and has a preferable clinical practical value.
［Key words］Prostate cancer; Nomogram; Prostate Imaging Reporting and Data System
《肿瘤影像学》2020年第29卷第6期581
横断位DWI；③患者信息及临床资料完整、准确；④前列腺MRI图像清晰，能够准确辨认各解剖结构；⑤前列腺MRI检查4周内获得病理学检查结果，且均为穿刺活检所得。排除标准：
①前列腺MRI检查前2周内行穿刺或其他治疗；
②病理学检查结果为非腺泡腺癌、上皮内瘤变或其他。
1.2 检测方法
M R I检查：应用德国S i e m e n s公司的MAGNETOM Avanto 1.5 T磁共振扫描仪，体部相控阵线圈作为接收线圈。扫描参数按照PI-RADS v2推荐标准进行（表1），检查序列包括横断位和矢状位T2WI、横断位DWI，DWI（b=0、100、1 400 s/mm2）序列扫描完成后，图像后处理软件自动重建出表观扩散系数（apparent diffusion coefficient，ADC）。MRI扫描范围包括前列腺和精囊腺。
病理学标本来源：所有入组患者均行超声引导下经直肠穿刺活检明确病理学诊断。前列腺穿刺活检采用“10+X”系统穿刺法，将前列腺由上到下平均分为基底部、体部、尖部3部分，各部分再分为左、右两个区，基底部、体部左右两个区再细分为内、外侧部，整个前列腺共被分为10区，每区各穿刺1针。对于MRI异常的病灶由影像科医师与超声科操作医师沟通确认所在区位，并于超声见异常回声区，进行额外靶向穿刺X针（一般2~4针），穿刺标本病理学检查由超声科操作医师记录穿刺位置及进针深度，并分瓶存放、做好标签，以便将MRI异常发现与活检病理位置相匹配。取出的前列腺组织经甲醛固定、H-E染色后，由病理科医师观察并报告结果。1.3 图像分析
由2名在前列腺MRI方面有5年以上工作经验的影像科医师共同阅片，并达成一致意见。bp-MRI评分基于2014年发布的PI-RADS v2评分标准进行，并进行少许更改［13］。即前列腺外周带以DWI序列为主，对于DWI序列3分病灶，由T2WI 替代DCE-MRI进行评分；前列腺移行带评分则按照PI-RADS v2评分标准，详见表2。
表1 前列腺bp-MRI扫描序列及参数
扫描序列激发序列TR/ms TE/ms层厚/mm层间距/mm FOV矩阵激励次数
横断位T2WI TSE 3 00010030220 mm×220 mm276×2783
矢状位T2WI TSE 4 978100 1.5 0.15240 mm×180 mm240×1612
横断位DWI ss-EPI 6 000 7730260 mm×260 mm104×1252
注：快速自旋回波（turbo spin echo，TSE）；单次激发平面回波成像（single shot echo planar imaging，ss-EPI）；重复时间（repetition time，TR）；回波时间（echo time，TE）；视野（field of view，FOV）。
表2 前列腺bp-MRI评分标准
外周带移行带DWI T2WI总评分T2WI DWI总评分1Any11Any1
2Any22Any2
3≤333≤43
≥4454 4Any44Any4
5Any55Any5注：Any表示相应序列评分为1~5分的任何评分。
1.4 前列腺体积（prostate volume，PV）和PSAD计算
横断位T2WI图像上选择前列腺最大层面测量出前列腺最大左右径（transver diameter，LR）和最大前后径（anteroposterior diameter，AP），矢状位T2WI图像上测量前列腺最大上下径（superoinferior diameter，SI），根据公式计算出相应的PV。根据PV和血清总PSA值（total PSA，t-PSA），计算出PSAD值。即PV=LR×AP×SI×0.52；PSAD=t-PSA/PV。
1.5 统计学处理
以穿刺标本病理学检查结果作为金标准，应用SPSS 22.0和Medcalc1 5.2.2软件对数据进行分析。符合正态分布的连续变量应用独立样本t检验，采用x±s表示；不符合正态分布的连续变量或分类变量应用非参数检验（Mann-Whitney U检验），采用四分位数（quartile）表示，即M
582王 钧，等基于双参数磁共振成像PI-RADS v2的列线图模型对前列腺临床显著癌的诊断价值分析
（Q1，Q3）。多因素logistic回归分析确定前列腺临床显著癌的独立预测指标，应用R 3.6.2软件建立列线图模型（www.r-project/），采用Bootstrap自抽样方法对该模型进行内部验证，通过一致性指数（C-index）和校准曲线评价该模型的预测准确度和一致性。绘制受试者工作特征（receiver
保育员工作职责operating characteristic，ROC）曲线评价各独立预测指标和预测模型对前列腺临床显著癌的诊断效能，计算曲线下面积（area under curve，AUC），应用Z检验评价以上指标AUC是否存在差异。P＜0.05为差异有统计学意义。
2 结 果
2.1 患者一般资料
本研究入组251例前列腺疾病患者，包括PCa 89例，其中临床显著性癌62例，低危癌（Gleason评分3+3）27例；非癌病变162例（包括良性前列腺增生症118例，前列腺炎性反应44例）。除了年龄指标符合正态分布外，其余指标（t-PSA、f/t-PSA、PV、PSAD和PI-RADS v2评分）不符合正态分布。临床显著癌组患者年龄58~88岁，平均年龄（73.24±7.12）岁；t-PSA中位数为20.06（10.48，44.54）ng/mL；f/t-PSA中位数0.10（0.07，0.14）；PV中位数36.30（26.66，51.75）mL；PSAD中位数0.57（0.27，1.20）ng·mL-1·mL-1。低危癌及非癌病变组患者年龄41~95岁，平均年龄（68.05±8.66）岁；t-PSA中位数10.28（7.44，17.03）ng/mL；f/t-PSA中位数0.14（0.10，0.19）；PV中位数58.97（42.46，82.09）mL；PSAD中位数0.20（0.13，0.30）ng·mL-1·mL-1。如表3所示，两组的患者年龄、t-PSA、f/t-PSA、PV、PSAD和PI-RADS v2评分比较，差异均有统计学意义（P＜0.05）。
2.2 多因素logistic回归分析
失重
应用logistic回归方法对诊断临床显著癌有统计学意义的指标（年龄、t-PSA、f/t-PSA、PV、PSAD和PI-RADS v2评分）进行多因素分析，确定独立预测指标（P＜0.05）；建立预测回归模型。如表4所示，年龄、PV和PI-RADS v2评分是诊断临床显著癌的独立预测指标（P＜0.05）。
表3 患者一般资料
指标临床显著癌（n=62）低危癌及非癌病变#（n=189）统计量P值年龄/岁73.24±7.1268.05±8.66-4.267＜0.001* t-PSA/（ng·mL-1）20.06（10.48，44.54）10.28（7.44，17.03）-4.055＜0.001* f/t-PSA 0.10（0.07，0.14） 0.14（0.10，0.19）-3.227 0.001* PSAD /（ng·mL-1·mL-1） 0.57（0.27，1.20） 0.20（0.13，0.30）-6.860＜0.001* PV／mL36.30（26.66，51.75）58.97（42.46，82.09）-6.002＜0.001* PI-RADS v2评分-9.068＜0.001* 1~2分5104
3分440小米解锁bl>还有什么好说
4分1634
5分3711
#：低危癌，Gleason评分3+3；*：P＜0.05。
《肿瘤影像学》2020年第29卷第6期583
表4 各指标多因素logistic回归分析
不一样的温暖
指标系数值OR值95% CI P值年龄0.150 1.162（1.088~1.241）＜0.001* t-PSA0.010 1.010（0.963~1.058） 0.687 f/t-PSA-1.5890.204（0.000~92.928） 0.611 PV-0.0480.954（0.926~0.982） 0.002* PSAD0.416 1.515（0.221~10.369） 0.672 PI-RADS v2评分＜0.001* PI-RADS v2（1）0.166 1.060（0.259~4.340） 0.826 PI-RADS v2（2） 1.14612.478（4.864~32.012） 0.074 PI-RADS v2（3） 3.42523.294（7.295~74.378） 0.000注：PI-RADS v2（1）、PI-RADS v2（2）、PI-RADS v2（3）分别对应PI-RADS v2 3分组、 PI-RADS v2 4分组，PI-RADS v2 5分组，其相应OR值则分别为各组相对于PI-RADS v2 1~2分组的OR 值。*：P<0.05。
2.3 预测前列腺临床显著癌风险的列线图模型建立和验证
根据多因素logistic回归分析确定的独立预测指标（年龄、PV和PI-RADS v2评分），应用R 软件建立预测前列腺临床显著癌风险的列线图模型，如图1所示。列线图模型使用方法：在列线图模型中的各个独立预测指标，其取值是分别通过垂直投射在各自积分线上得到相应的分值，将所有预测指标的分值相加得到最终分值，垂直对应于总分线上即可获得相应的预测罹患前列腺临床显著癌的概率。经过Bootstrap自抽样方法重复抽样100次后，该列线图模型的C-index为0.920，具有良好的预测准确度。
校准曲线显示列线图模型对预测临床显著癌的发生风险表现出较好的预测一致性（图2），其中当临床显著癌风险预测概率处于0.40~0.60，其预测概率与实际概率基本吻合。典型病例图像见图3、4。
2.4 预测模型对前列腺临床显著癌的诊断效能分析
以穿刺标本病理学检查结果为金标准，应用各独立预测指标和预测模型分析对临床显著癌的诊断效能见表5。应用独立预测指标诊断临床显著癌的AUC分别为0.864（PI-RADS v2评分）、0.754（PV）和0.676（年龄），而应用预测模型诊断临床显著癌AUC为0.932，显著高于各独立预测指标单独应用（图5）。PI-RADS v2评分、PV和年龄的AUC分别与预测模型的AUC进行比较，差异均有统计学意义［表5，Z值分别为3.322（P＜0.001）、5.521（P＜0.001）和6.490（P＜0.001）］。各独立预测指标以及联合建立的预测模型，对临床显著癌诊断效能结果详见表5，其中预测模型对临床显著癌的诊断灵敏度为90.3%，特异度为85.2%，均高于各独立预测指标。将各独立预测指标之间的诊断效能进行比较，应用PI-RADS v2评分对临床显著癌的诊断灵敏度和特异度分别为85.5%、76.2%，均高于PV 和年龄。该结果表明，在基于bp-MRI序列的PI-RADS v2评分基础上，联合临床指标（PV和年
龄）能提高对临床显著癌的诊断效能。
图1 预测前列腺临床显著癌风险的列线图模型
图2 列线图模型校准曲线
