目的 建立第2版前列腺影像报告和数据系统(PI RADS v2)评分联合前列腺特异性抗原(PSA)的Logistic 回归预测模型,评价其对移行区前列腺癌(PCa)的诊断价值.方法 回顾性分析经病理证实的移行区前列腺腺癌(PCa组,n=33)和良性前列腺增生或前列腺炎(非PCa组,n=54)患者的术前MRI及PSA资料.采用PI-RADS v2对2组进行评分(由低至高评为1~5分).分析2组的PI-RADS v2评分、总PSA(t-PSA)、游离PSA(PPSA)与t-PSA比值(f-PSA/t-PSA)及PSA密度(PSAD)的差异,选择有统计学意义的指标为自变量,以病理结果是否为PCa为因变量,建立3项Logistic回归模型:PI-RADS v2+t-PSA(A);PI-RADS v2+ f-PSA/t-PSA(B);PI-RADS v2+ PSAD(C).建立Logistic回归模型产生的Logit(P)和PI-RADS v2评分的ROC曲线,评估其诊断效能.结果 2组t-PSA、f-PSA/t-PSA、PSAD及PI-RADS v2评分差异均有统计学意义(P均<0.01).A、B、C Logistic回归预测模型分别为:Logit(P)=-8.682+1.507PI-RADS v2+0.234 t-PSA(x2 =65.993,P<0.01);Logit(P)=-5.425+1.906 PI-RADS v2-13.921 f-PSA/t-PSA(x2=65.993,P<0.01);Logit(P)=-7.534+1.045 PI-RADS v2+ 13.318 PSAD(x2=74.036,P<0.01).以A、B、C模型产生的Logit(P)预测病理结果,其ROC曲线下面积分别为0.945、0.919、0.960,
作者:雷李智;许乙凯;侯美蓉;何梦琪
来源:中国医学影像技术 2017 年 33卷 7期