整合多参数MRI、外周淋巴细胞功能亚群与PI-RADS的多模态列线图模型实现前列腺癌风险分层精准预测

　　本研究创新性构建融合多参数磁共振成像（mpMRI）、外周淋巴细胞功能亚群与临床参数的多模态列线图模型，通过人工智能技术实现前列腺癌（PCa）低、中、高危三级风险分层的精准预测（AUC达0.9609），为临床提供超越前列腺特异性抗原（PSA）的非侵入性诊断工具，对指导主动监测与减少不必要活检具有重要价值。

　　

^Highlight

^{Materials and Methods}

本研究获武汉同济医院研究伦理委员会批准（IRB ID: TJ-IRB20211246），经伦理委员会豁免知情同意要求。

^{Dataset characteristics}

训练集与测试集在外周淋巴细胞功能亚群特征、临床变量（年龄、前列腺体积）、PSA及PSAD等多数参数上无显著差异（表1）。值得注意的是，虽然所有临床变量、PSA和PSAD在训练集中均为PCa风险分层的重要预测因子，但PSA在测试集中未显示预测显著性（表2）。因此后续分析中，临床预测模型构建将排除PSA指标。

^Discussion

MRI已广泛应用于PCa诊断，临床风险因子与MRI影像特征的融合被推荐用于具有临床意义的PCa分期[32,33]。既往研究表明，基于深度学习（DL）的双参数MRI影像评分、PI-RADS评分与临床变量（如前列腺体积）构建的整合列线图，可有效识别具有临床意义的PCa（csPCa）病灶[34]。本回顾性研究开发的多模态列线图整合PI-RADS评分、mpMRI影像组学特征、外周淋巴细胞功能亚群及临床变量，在预测PCa三级风险分层中展现出卓越性能（AUC: 0.9609），显著优于传统临床模型及独立预测因子。该模型为PCa风险分层提供了超越PSA的全新解决方案，其可视化特性极大增强了临床应用的便捷性。

^Conclusion

本研究构建的多模态列线图证实了整合多参数影像、免疫微环境指标与临床参数在PCa风险分层中的巨大潜力。该工具可作为非侵入性诊断替代方案，可靠区分低、中、高危患者群体，有助于优化主动监测策略选择、避免不必要的活检，并为根治性前列腺切除术的候选患者识别提供数据支撑。