0 前言

       在世界范围内，前列腺癌（prostate cancer, PCa）是男性高发和主要的致死癌症之一。据美国癌症协会统计数据显示，2022年PCa位居男性癌症发病率的第一位，死亡率的第二位^[1]。在中国，2022年约有125 646例新增PCa患者和56 239例PCa患者死亡^[2]。从2000年起，该数据以每年12.6%的比例不断攀升^[3]。PCa是一种严重威胁男性生命健康的恶性肿瘤。目前PCa的治疗方法有根治性前列腺切除术（radical prostatectomy, RP）、雄激素去势治疗、放疗、化疗和免疫治疗等。其中RP适用于治疗任何临床上局限于前列腺内的肿瘤^[4]。然而，尽管RP是局限性PCa患者的主要治疗手段，但依然存在一定的术后复发风险，RP后27%～53%的患者会发生生化复发（biochemical recurrence, BCR），BCR中位时间为20～38个月^{[5, 6, 7]}。

       BCR往往与患者发生局部复发、远处转移、PCa特异性和总死亡率增加等有关，预测BCR可以指导临床医生及时调整治疗方案，有助于改善患者预后。以往的D'Amico PCa风险评估（Cancer of the Prostate Risk Assessment, CAPRA）评分等BCR风险预测模型，主要纳入前列腺特异性抗原（prostatic specific antigen, PSA）、Gleason评分、临床分期等检验和病理指标，模型的效能有限^{[8, 9]}。近年来，已有一些研究将MRI指标纳入PCa风险预测模型，用于预测患者的BCR、临床进展、肿瘤特异性和总体生存率等^{[10, 11]}。MRI不仅能提供器官的结构信息，清晰地显示病变，也能够提供丰富的定量和定性参数，这些参数可能会反映组织的生物学和病理学信息^{[12, 13, 14, 15, 16]}。以往研究结果显示增加MRI参数后可显著提升模型预测BCR的效能^[11,17]。MRI可以提供关于PCa的信息，例如肿瘤的位置、大小、形状和组织学特征，这些信息对预测RP后BCR具有重要意义。早期研究使用MRI进行RP的术前和术后评估，研究结果表明，MRI可以帮助医生评估肿瘤的分期，对于预测PCa的预后具有一定的价值^{[18, 19]}。随着技术的进步，越来越多的研究开始探索MRI与RP后BCR之间的关系。一些研究表明MRI可以帮助预测BCR的风险，例如MRI可以评估肿瘤的体积和位置、肿瘤边缘等，这些特征可能与BCR的风险相关^[20]。近年来，多参数MRI（multi-parametric MRI, mpMRI）技术逐渐应用于PCa的诊断和治疗。mpMRI技术可以提供更为全面和准确的图像信息，例如磁共振波谱成像、扩散加权成像（diffusion-weighted imaging, DWI）和动态对比增强（dynamic contrast enhanced, DCE）MRI等，可以用于评估PCa的代谢、细胞密度和血流动力学，这些数据可以被用于评估肿瘤的生长速率和代谢活性，从而更准确地预测PCa患者BCR的风险^[10,21]。最近的研究还探索了使用人工智能（artificial intelligence, AI）结合MRI图像进行RP后BCR的预测，通过对大量的MRI图像数据进行分析和处理，机器学习技术可以帮助医生更好地理解MRI图像中的信息，从而提高预测准确性^{[22, 23]}。总的来说，MRI技术在RP后BCR的预测中具有很大的潜力。本文就MRI在预测RP后BCR方面的研究进行综述，探讨MRI预测RP后BCR的价值，以期指导临床制订个性化的治疗方案，有望推动RP后的治疗和管理取得更好的效果。

1 RP后BCR的定义

       美国泌尿外科协会以及中华医学会泌尿外科学分会关于RP后BCR的定义：RP后血清PSA值一般可降至0.2 ng/mL以下，如果连续两次随访血清PSA值回升至0.2 ng/mL以上并有上升趋势，定义为RP后BCR，若RP后PSA值未能降至0.2 ng/mL以下，则称为PSA持续，其处理原则同BCR^{[24, 25]}。BCR表明癌细胞可能已经复发或继续存在，预示着临床复发或转移的可能性增加，是肿瘤进展的早期预警。虽说BCR是临床复发的先兆，但并不是所有的BCR都会发展成临床复发，也就是说BCR并不一定代表患者会进展为局部复发或远处转移，但需要密切监测和进一步评估，以确定是否需要采取治疗措施。预测哪些患者BCR将转为临床复发是临床面临的重要问题^[26]。一项多变量的Meta分析表明应该对BCR患者进行再次分类，根据PSA倍增时间、BCR时间间隔、根治术后Gleason评分划分出临床复发高风险和低风险的患者，从而筛选出从临床挽救性治疗获益的患者^[27]。

       目前BCR仍是影响患者RP后总体生存率的危险因素，也被广泛应用为PCa临床试验的随访终点事件之一^[8,28]。根据临床、病理及影像等因素，对不同PCa患者进行危险分层，有利于为患者制订个体化的治疗和随访方案。目前的研究表明，MRI可以用于评估RP后残留病变、肿瘤侵袭性、术后局部复发及位置的确定，是评估局部复发和指导局部抢救性治疗的最佳影像检查技术^{[29, 30, 31]}，但是MRI对于微小残留病变的检测敏感度不高，对于术后瘢痕和炎症反应的识别也可能存在困难，因此MRI结果需要结合临床实际情况以及实验室检查进行综合判断。RP后或放疗后局部复发可采用抢救性治疗，局部治疗对于局部复发或淋巴结转移仍是可行的，而远处转移患者应该进行姑息治疗或立体定向全身放疗，这可能会诱导长期完全缓解^[26,32]。

2 临床病理学指标作为RP后BCR的预测因素

       研究RP后BCR的预测因素，有利于临床医师筛选具有术后复发危险因素的患者，为术后加强随访，以及辅以内分泌治疗或放化疗等辅助治疗提供依据。

       在RP后BCR的预测模型中，最具有代表意义的是贝勒医学院的ONDRACEK等构建的诺模图（Kattan模型）和美国加州大学COOPERBERG等构建的CAPRA模型。ONDRACEK等^[33]采用患者术前PSA、临床分期和穿刺标本的Gleason评分构建诺模图作为预测RP后的5年无BCR生存期，该模型预测RP后5年BCR的受试者工作特征（receiver operating characteristic, ROC）曲线下面积（area under the curve, AUC）为0.772。而COOPERBERG等^[34]构建的CAPPA模型中除了术前PSA、临床分期和穿刺标本的Gleason评分3个危险因素外，还纳入了年龄和穿刺阳性针数百分率，CAPPA模型以0～2分为低危、3～5分为中危、≥6分为高危。上述BCR预测模型多是基于西方人群的研究结果。有研究表明，由于东西方人群在临床特征上存在着巨大的种族差异，中国人群具有更高PSA水平和Gleason评分，这些模型不完全适用于中国人群^[35]。因此建立基于中国PCa患者人群的BCR模型，提高预测BCR的准确性，有助于为我国患者建立个体化的精准诊疗方案，改善患者的预后。

       王海峰等^[35]验证了Kattan和CAPRA模型对中国PCa患者RP后5年无BCR生存率的预测能力，研究结果发现，由于中国人群具有更高PSA水平和更高Gleason评分，Kattan和CAPRA模型不适用于中国人群。马帅军等^[36]的研究结果显示，患者年龄≥70岁、初始PSA＞20 ng/mL、病理分期≥pT3期及穿刺Gleason评分≥7分均为BCR的独立危险因素。范宇等^[37]的研究结果表明术后病理分期和术后是否达到临床治愈是RP后BCR的独立危险因素，临床治愈定义为术后6周血清PSA水平下降至0.03 ng/mL以下。PSA复发的一些临床病理特征也是鉴别局部和远处复发的重要变量。精囊侵犯、淋巴结转移、Gleason评分＞7或者阴性切缘与远处复发有关。在RP后6个月内发生BCR是转移的有力指标，而如果BCR和RP之间间隔大于1～2年则提示局部复发的可能性大^[26]。

       上述研究为我国PCa患者BCR预测提供了参考方法，但是目前多数研究是基于生化和病理等指标预测BCR发生风险，指标的预测效能仍需要进一步提高。此外，目前的研究中主要是对BCR预后的危险因素进行评估，后续需要进一步基于危险因素构建简单、高效、切实可用的预测模型。

3 mpMRI对RP后BCR的预测价值

       mpMRI是将常规的解剖性MRI序列与一个或多个功能性MRI序列相结合的检查方式，是目前公认的PCa检测、主动监测及随访的最佳影像学检查方法^[29,38]。mp-MRI包括常规序列（T1WI、T2WI）和功能成像技术如DWI、DCE和磁共振波谱成像等^[13]。DWI可以无创地反映活体组织内水分子扩散特性，反映组织的病理生理过程，实现对PCa的组织结构及细胞特性的定性及定量分析^{[12,39, 40]}。DCE通过静脉注入钆对比剂，可以无创性评估肿瘤的微循环灌注和血管通透性，可以根据时间-信号强度曲线及药代动力学模型进行定性、半定量及定量分析^[41]。相对比临床病理学指标，MRI参数能够提供更加丰富的解剖和功能信息。mp-MRI已经成为预测RP后BCR的一种重要方法，一些学者尝试将mpMRI特征纳入PCa风险分层工具（D'Amico和CAPRA），以期提高PCa术前风险分层的能力^{[10,17,42, 43, 44]}。

       REISÆTER等^[42]将mp-MRI特征与术前风险分层工具CAPRA和D'Amico相结合，并采用ROC曲线评估各模型诊断RP后BCR的效能，研究结果发现，增加mp-MRI图像特征的CAPRA和D'Amico模型预测BCR的AUC分别为0.72、0.71，均大于CAPRA（0.63）及D'Amico（0.57）模型，差异有统计学意义（P＜0.05），得出结论为mp-MRI对优化PCa术前危险分级、提升BCR预测模型效能有重要的价值，其中表观扩散系数（apparent diffusion coefficient, ADC）和前列腺包膜外侵犯是预测BCR的重要因素。HARMON等^[43]探讨PCa患者术前mp-MRI特征及MRI引导下活检标本免疫组化特征与RP后BCR的关系。研究结果表明前列腺影像报告和数据系统（Prostate Imaging Reporting and Data System, PI-RADS）评分、高危病变负荷（病变体积与前列腺体积比）、包膜外侵犯、术前引导下穿刺p53染色强度是PCa患者术后BCR的独立预测因子，可能成为RP后BCR的预测性生物标记。ZHANG等^[10]将mp-MRI的6个特征（肿瘤位置、最大病灶直径、主要病灶的ADC值、PI-RADS评分、DCE曲线类型、MRI分期）纳入D'Amico和CAPRA模型，结果显示纳入了MRI特征的模型，能够更好地预测PCa根治术后的临床结局，MRI特征结合D'Amico和CAPRA建立的联合模型的AUC为0.901、0.894，优于D'Amico（0.793，P=0.001）及CAPRA（0.809，P=0.001）。GANDAGLIA等^[17]纳入804例患者，采用Cox回归比例风险模型来识别BCR最重要的预测因子，结果发现mpMRI特征中的PI-RADS评分、精囊和包膜有无侵犯、主要病灶直径都是BCR重要的预测因子。最后将PSA、mp-MRI特征及MRI靶向活检、系统穿刺活检中临床显著性PCa的存在纳入风险预测模型，结果显示利用mp-MRI和MRI靶向及伴随系统活检所获得的模型鉴别能力高达77%，与传统的CAPRA评分（60%）及欧洲泌尿外科风险组协会评分（62%）相比，能够提高临床医生识别RP后早期BCR风险较高的PCa患者的能力。MANCEAU等^[44]构建了基于MRI图像特征（PI-RADS评分、MRI分期）、靶向穿刺Gleason分级的RP前风险评估模型，构建的模型预测RP后BCR的AUC为0.714（P＜0.001）。

       有大量的研究利用MRI提供的病灶位置、大小、形状、分期等形态学信息以及半定量、定量参数来进行RP后BCR的预测和评估，并取得了初步的探索结果，研究认为临床病理学指标联合MRI特别是mp-MRI构建的风险分级系统较单纯的临床模型能够提高RP后BCR的风险评估效能。但是目前RP后BCR的研究多为小样本、单中心的研究。此外，由于PCa常常表现为多灶性、异质性，传统的MRI分析方法仅能够提供主观的定性特征和少数的定量参数，提供的信息量可能有限，不能完善地实现肿瘤异质性描述。AI可以进一步深度挖掘mp-MRI图像潜在的有价值信息，AI比主观的形态学视觉分析能更全面地定量肿瘤的异质性，可能会为临床提供更加精准、鲁棒性更高的BCR预测模型^{[45, 46]}。

4 AI对RP后BCR的潜在价值

       当前，随着影像数据生成速度的加快和成像数据量的不断增加，对MRI数据的处理和有用信息的提取提出了更高的要求。因此，利用影像组学及深度学习等AI技术对成像数据进行定量分析已成为一种新兴的方法^[47]，AI可以利用数学算法或深度神经网络提取海量肉眼不能直观描述的特征，同时结合患者临床信息建立预测模型，量化肿瘤信息，可以有效解决肿瘤异质性难以定量评估的问题，为临床医生提供高效的智能辅助决策支持系统^{[48, 49]}。

       高文治等^[22]利用深度学习算法建立的RP后BCR预测模型，其准确率达76.7%，AUC为0.71。PARK等^[23]利用AI技术建立预测RP后BCR模型，输入16个变量（包括年龄、婚姻状况、受教育年限、吸烟史、饮酒史、PCa家族史、Gleason评分、肿瘤高危恶性程度、包膜侵犯、精囊侵犯、淋巴结转移、T分期、体质量指数、初始PSA、最大阳性穿刺针数、阳性穿刺针数百分比），结果显示所构建的最佳AI模型能够准确预测患者的BCR（准确率为96.59%，AUC为0.9883）。YAN等^[11]应用影像组学技术从PCa患者T2WI图像肿瘤病灶提取定量特征，然后采用深度学习算法建立BCR预测模型。研究显示所构建模型的C-index达到了0.802，超过CAPPA-S评分（0.677）、美国国家综合癌症网络模型（0.586）和Gleason分组系统（0.583）。GNEP等^[50]纳入了74例外周带PCa患者预测放疗后BCR风险，基于T2WI和DWI提取影像组学特征，研究显示T2WI Haralick特征与PCa放疗术后的BCR有显著的相关性。BOURBONNE等^[51]外部验证影像组学模型在预测高级别PCa患者RP后BCR中的价值，研究结果表明，结合临床特征和术后PSA值的临床预测模型未能根据外部队列中无BCR生存期对患者进行显著分层。而依靠单一的放射组学特征的放射组学模型可以预测高危PCa患者RP后BCR（准确率达78%）和无BCR进展生存期。

       虽然基于MRI和临床病理等指标构建的AI模型的初步探索结果显示在预测BCR方面表现出来较好的效能，但是以上提到的少数研究结果差异较大。多数研究中采用的是“黑匣子”深度学习算法，使用者仍然难以理解模型的输入和预测结果间的因果关系，即AI预测模型“不可解释”，这也是目前限制AI模型推广应用的一个因素^{[52, 53, 54]}。如果要实现临床转化，需要通过进一步研究达到准确地评估和预测，实现可重复性和可推广性。随着PCa病理大切片以及AI辅助可视化分析的应用，未来关于影像数据和组织病理对应性方面的研究会越来越多，也将会进一步提高前列腺MRI AI模型的可解释性，推动AI预测模型的开发和应用。

5 其他MRI技术对RP后BCR的潜在价值

       磁共振弹性成像（magnetic resonnace elastography, MRE）是一种非侵入性的医学成像技术，它结合了MRI和机械振动学的概念，用于评估组织的硬度和弹性，由于癌组织的病理过程和结构变化，如细胞密度和微血管化增加，腺体结构的破坏等导致癌组织比良性组织具有更高的硬度。MRE对PCa的检测和评估有一定的应用价值，通过MRE测量PCa组织的弹性模量，可能会预测PCa BCR的风险^{[55, 56]}。但是，MRE检查对硬件软件设备要求相对较高，目前普及和推广率尚不足。化学交换饱和转移（chemical exchange saturation transfer, CEST）是一种新兴的分子MRI技术，可以通过探测不同化学物质的信号，从而获得关于组织代谢和生理学状态的信息。PCa组织和正常组织在代谢和生理学上有所不同，因此CEST成像可以用于PCa的诊断和评估，关于前列腺CEST量化参数图像磁化转移（magnetization transfer, MT）、磁化转移率不对称性（magnetization transfer ratio asymmetry, MTRasym）、酰胺、核奥氏效应（nuclear Overhauser enhancement, NOE）可重复性的研究发现MT的可重复性最好，虽然CEST成像在PCa的应用还处于研究阶段，但是这一技术有望为PCa的早期诊断和治疗监测提供新的手段^{[57, 58]}。

6 小结与展望

       预测RP后BCR有利于临床医师筛选具有术后复发危险因素的患者，为术后加强随访，以及增加辅助治疗提供依据。总的来说，术前mpMRI信息结合其他临床变量建立的预测模型提高了对RP后BCR的预测价值，但是目前研究结果并不一致，尚没有一种特别可靠的、公认的MRI模型准确地预测RP后BCR。MRI在预测RP后BCR的研究将继续深入，主要包括以下几个方面：（1）大样本研究。目前的MRI预测RP后BCR研究多为小样本、单中心的研究，未来需要更多的多中心、大样本的研究来验证MRI预测RP后BCR的可靠性和有效性。（2）AI技术。未来需要更多地引入机器学习、AI等技术，建立更加精准的预测模型。（3）探索新的MRI技术应用。随着MRI技术的不断发展和进步，包括MRE、功能MRI等在内的新技术也将逐步应用于RP后BCR的预测研究中，用于探索这些新的MRI技术在预测RP后BCR方面的潜力。（4）结合其他影像学技术进行研究。MRI虽然在RP后BCR预测方面具有独特的优势，但其也有局限性，包括对小肿瘤和微小转移病灶的检测不够敏感，未来可以结合其他影像学技术，如正电子发射计算机体层成像，超声弹性成像等，进一步提高RP后BCR预测的准确性。综上所述，MRI预测RP后BCR的未来研究方向需要更多的大样本、多中心研究，结合医学影像新技术和AI等技术，以提高预测的准确性和有效性。