双参数 MRI 影像组学预测 PI-RADS 3 类前列腺病变中临床显著性前列腺癌的研究

首页今日动态人才市场新技术专栏中国科学人云展台
BioHot
云讲堂直播会展中心特价专栏技术快讯免费试用

生物通官微
陪你抓住生命科技
跳动的脉搏

生物通首页 > 今日动态 > 正文

《BMC Cancer》：Biparametric MRI-based radiomics for prediction of clinically significant prostate cancer of PI-RADS category 3 lesions

【字体：大中小】 时间：2025年04月06日 来源：BMC Cancer 3.4

编辑推荐：

　　为解决 PI-RADS 3 类前列腺病变诊断困境，江南大学医学中心研究人员开展双参数 MRI（bpMRI）影像组学预测临床显著性前列腺癌（csPCa）的研究。结果显示该方法诊断性能高，结合前列腺特异性抗原密度（PSAD）可提升准确性，对前列腺癌诊断意义重大。

下载《安捷伦 BioTek 共聚焦技术应用于 3D 细胞成像研究》电子书

为了促进科学的传播，生物通采集了这篇文章，如需英文原文，请点击！订阅BioHot索取原文

　　前列腺癌作为全球男性中第二常见的癌症，是男性癌症相关死亡的主要原因之一。每年约有 120 万新发病例，35 万人因此丧生。在前列腺癌的诊断中，磁共振成像（MRI）发挥着关键作用，基于多参数 MRI（mpMRI）的前列腺影像报告和数据系统（PI-RADS）虽有较高诊断性能，但 PI-RADS 3 类病变却让医生陷入两难境地。因为这类病变中仅约 36% 是前列腺癌，18.5% 是临床显著性前列腺癌（csPCa），这导致了大量不必要的活检，还可能引发感染、败血症等并发症。

下载《安捷伦 BioTek 共聚焦技术应用于 3D 细胞成像研究》电子书领取

为了提高对这些模棱两可病变的诊断准确性，减少不必要的活检，江南大学医学中心的研究人员开展了一项关于双参数 MRI（bpMRI）影像组学预测 PI-RADS 3 类病变中 csPCa 的研究。该研究成果发表在《BMC Cancer》上。

研究人员在 2020 年 9 月至 2023 年 10 月期间，从无锡第二人民医院的电子病历中筛选出 233 例 PI-RADS 3 类病变患者。这些患者均接受了 bpMRI 检查和 MRI / 超声融合活检。研究人员从 T2 加权成像（T2WI）和扩散加权成像（DWI）中提取影像组学特征，并利用最小绝对收缩和选择算子（LASSO）回归算法筛选出最有用的特征，构建影像组学模型。

研究主要采用了以下关键技术方法：首先是患者样本队列的选取，从医院电子病历中筛选符合条件的患者；其次是 MRI 影像采集，使用 3.0T 扫描仪及相关线圈获取 T2WI 和 DWI 影像；然后是特征提取，利用专业软件手动分割影像并提取多种特征；最后运用 LASSO 回归算法进行特征选择和模型构建，同时采用合成少数过采样技术（SMOTE）处理样本不均衡问题。

广告【大小鼠常见临床症状】最新指南一键下载

下面来看研究结果：

患者特征：训练组和验证组在年龄、前列腺特异性抗原（PSA）水平和前列腺特异性抗原密度（PSAD）方面无显著差异。训练组的癌症检出率为 20.63%，验证组为 17.81%。年龄呈正态分布，而 PSA 水平和 PSAD 呈非正态分布。
PSAD 的诊断性能：在训练队列中，PSAD 的曲线下面积（AUC）为 0.658（95% 置信区间 0.550 - 0.766），最佳临界值为 0.21 ng/ml/ml，此时灵敏度为 36.4% ，特异性为 81.9%。在验证组中，AUC 为 0.690（95% 置信区间 0.524 - 0.855），临界值为 0.18 ng/ml/ml 时，灵敏度为 46.2%，特异性为 68.3%。
影像组学的诊断性能：最初从 MRI 图像中提取了 1239 个特征，经 LASSO 回归分析后，选择了 34 个稳健的影像组学特征（12 个来自 T2WI，22 个来自 DWI）构建最终模型。训练组中，影像组学的 AUC 为 0.858（95% 置信区间 0.779 - 0.936），显著高于 PSAD，灵敏度和特异性分别为 84.8% 和 85.0%。当结合影像组学和 PSAD 时，AUC 提升至 0.887（95% 置信区间 0.814 - 0.959）。在验证组中，影像组学的 AUC 为 0.810（95% 置信区间 0.682 - 0.937），二者结合后的 AUC 为 0.856（95% 置信区间 0.750 - 0.962），均显示出比单独使用时更好的预测性能。决策曲线分析表明预测模型具有临床实用性，校准曲线也显示出预测概率与观察结果的良好一致性。

研究结论和讨论部分指出，bpMRI 影像组学在预测 PI-RADS 3 类病变中的 csPCa 方面具有较高的诊断性能，而 PSAD 作为独立预测指标准确性仅为中等。将 PSAD 与影像组学结合可显著提高预测准确性，这凸显了影像组学与临床指标相结合在前列腺癌诊断中的潜力。不过，该研究也存在一些局限性，如回顾性、单中心研究，可能影响结论的普适性；病变分类依赖放射科医生主观判断；感兴趣区域（ROI）手动分割可能带来偏差且耗时；未按前列腺外周带（PZ）和移行带（TZ）分别分析等。因此，未来还需要前瞻性、多中心研究来进一步验证这些结果。总体而言，这项研究为前列腺癌的诊断提供了新的思路和方法，对提高前列腺癌的诊断准确性、减少不必要活检具有重要意义。

下载安捷伦电子书《通过细胞代谢揭示新的药物靶点》探索如何通过代谢分析促进您的药物发现研究

10x Genomics新品Visium HD 开启单细胞分辨率的全转录组空间分析！

欢迎下载Twist《不断变化的CRISPR筛选格局》电子书

单细胞测序入门大讲堂 - 深入了解从第一个单细胞实验设计到数据质控与可视化解析

下载《细胞内蛋白质互作分析方法电子书》