0 引言

       移行带前列腺癌（prostate cancer, PCa）的精确诊断是临床实践的一大挑战^{[1, 2, 3]}。近年来，前列腺多参数磁共振成像（multi-parametric magnetic resonance imaging, mp-MRI）在移行带PCa的评估方面取得了显著进展^{[4, 5, 6]}，并通过MRI引导的靶向活检提升了移行带PCa的检出率^{[7, 8, 9]}。然而，由于老年男性前列腺移行带好发增生，且病变组织混杂^{[10, 11]}，在此背景下准确评估病变类别十分困难。既往研究报道，MRI的误诊比例高达58%，而移行带病变占误诊的绝大多数^{[12, 13]}。因此，移行带病变的阅片者一致性明显低于外周带病变^{[12, 14, 15]}，且PCa的检出率亦表现出较大的差异性^{[16, 17, 18]}。前列腺成像报告和数据系统（prostate imaging-reporting and data system, PI-RADS）是一套用于全面评估临床显著性前列腺癌（clinically significant prostate cancer, csPCa）的指南，csPCa通常指Gleason评分分级分组（Gleason grade group, GG）≥2的情况。自推出以来，PI-RADS经过了多次更新和改进，使对病变的评估更加标准化和精准。

       目前，PI-RADS对病变进行不同类别的评估主要依赖于对病变信号强度[如T2WI均匀/不均匀稍低信号、中等低信号，扩散加权成像（diffusion weighted imaging, DWI）明显高信号及表观扩散系数（apparent diffusion coefficient, ADC）低信号等]和二维形状（如楔形、圆形、椭圆形以及透镜状等）的主观评估^[10]。考虑到阅片者一致性，使用从信号强度及形状特征（病变信号及形状的定量分析）获得的多维信息进行更客观的评估可能有助于PI-RADS v2.1的分类。因此，本研究采用定量分析方法，旨在基于PI-RADS v2.1及多参数MRI衍生标志物对移行带csPCa的诊断效能进行探讨，为临床诊疗提供依据。

1 材料与方法

1.1 研究对象

       本研究遵守《赫尔辛基宣言》，经福建医科大学附属福清市医院伦理委员会批准，免除受试者知情同意，批准文号：k（2022）42号。我们回顾性地收集了自2020年1月至2024年2月期间，接受MRI和病理组织学检查的患者数据。纳入标准：（1）前列腺移行带PI-RADS 1~5类病变（依据PI-RADS v2.1标准），前列腺移行带病变定义为肿瘤体积的70%以上位于移行带的病灶^[19]；（2）须得到病理结果证实，并且与同一区域的MRI图像相匹配；（3）在MRI检查后2个月内接受超声引导前列腺活检或根治性手术。排除标准：（1）MRI检查前有PCa活检或治疗史（如抗激素治疗、放疗、局灶治疗、前列腺切除术）的患者；（2）存在其他原发癌症或既往有癌症史；（3）MRI图像序列不完整或存在严重伪影；（4）病变位于外周带。

       收集以下临床和实验室数据：患者的年龄、近期血清总前列腺特异性抗原（total prostate-specific antigen，tPSA；单位：ng/mL）、游离前列腺特异性抗原（free prostate-specific antigen，fPSA；单位：ng/mL）、fPSA与tPSA的比值（f/t）、前列腺体积（V，单位：cm³）、前列腺特异性抗原密度（prostate-specific antigen density，PSAD；等于tPSA/V；单位：ng/mL²)、平均ADC值（mm²/s）及T2WI信号值等。

1.2 图像采集和评估

       所有患者均采用3.0 T（Spectra, Siemens Healthineers）扫描仪，以体线圈为射频发射线圈，32通道心脏相控阵线圈为接收线圈。扫描参数如下：T2WI序列，TE 72 ms，TR 4000 ms，矩阵128×128，FOV 360 mm×360 mm，层厚4 mm，层间距0.5 mm；DWI序列，TE 91 ms，TR 4500 ms，矩阵128×128，FOV 170 mm×400 mm，层厚3.5 mm，层间距0.5 mm，b值分别为0、800、2000 s/mm²，激励次数均为6。总扫描时长为12 min 28 s。

       所有MRI图像均由同一位具有超过8年前列腺成像经验的主治医生在不知晓最终病理结果的情况下基于PI-RADS v2.1进行解读^[10]，PI-RADS v2.1将T2WI评分为2分的移行带病灶，即局部有包膜或无包膜的局限均匀信号的结节（不典型结节），并且弥散明显受限的结节（DWI评分≥4），升级为3分病变，定义为升级的3分（2+1）病灶；而T2WI评分为3分，且DWI评分小于或等于4分的移行带病灶，定义为不升级的3分（3+0）病灶；将T2WI评分为3分，且DWI评分为5分的移行带病灶，定义为升级的4分（3+1）病灶。

       阅片者记录每个PI-RADS v2.1定义的病变的位置（基底、中部或尖部）、大小（通常在T2WI轴位图像上测量病灶的最大二维直径）、信号强度特征（T2WI信号值及ADC值）以及每个序列的PI-RADS评分（T2WI、DWI）和整体PI-RADS类别。对于有多个病灶的病例，选择MRI可显示的最高级别、最大的病灶。在轴位及矢状位/冠状位的单轴切片上测量前列腺最大二维直径，并用平面法计算前列腺体积，即长椭球体体积计算公式（左右径×前后径×上下径×π/6）^[20]。由另一名具有10年腹部MRI诊断经验的副主任医师随机抽取60例患者重复上述操作。以组内相关系数（intra-class correlation coefficient, ICC）评价观察者间的一致性，ICC>0.75为一致性较好^[21]。

       将原始图像以医学数字成像和通信（digital imaging and communications in medicine, DICOM）格式导出并传入开源软件ITK-SNAP（version 3.8.0 for Win,http://www.itksnap.org/），根据三维感兴趣区法及详细的病理结果在轴向T2WI图像上对目标病灶进行逐层勾画（图1），并获得病灶的轮廓体积、相对病变体积（目标病变体积除以前列腺体积）及信号强度。此外，为了更全面地评估病变特征，我们使用Python 3.7.1的影像组学包（PyRadiomics 3.0）提取了14个病灶轮廓形状特征，包括最大三维直径、表面体积比、球度、延伸度和平整度等。

点击查看大图

图1  男，65岁，前列腺腺癌。1A：移行带0~3点钟方向结节，T2WI评分为5类；1B：ITK-SNAP勾画病灶区示意图；1C：DWI图，b=2000 s/mm²；1D：ADC图，评分5类，最终评分为5类；1E：病理图（HE ×20），Gleason评分3+5=8分。DWI：扩散加权成像；ADC：表观扩散系数。
Fig. 1  Male, 65 years old, prostate adenocarcinoma. 1A: Nodule in the transition zone 0-3 o'clock direction, T2WI scored 5 categories; 1B: Schematic diagram of the focal area delineated by ITK-SNAP; 1C: DWI image, b=2000s/mm²; 1D: ADC image, scored 5 categories, and ultimately scored 5 categories; 1E: Pathological image (HE ×20), Gleason score 3+5=8. DWI: diffusion weighted imaging; ADC: apparent diffusion coefficient.

1.3 统计学分析

       所有数据的统计学分析均使用Python（version 3.7.3,https://www.python.org/downloads/）和R软件（version 4.0.1, https://www.r-project.org）进行。对于人口统计学数据，连续变量采用t检验或Mann-Whitney U检验。具有正态分布的连续变量以平均数±标准差表示，非正态分布的连续变量以中位数（上下四分位数）表示。分类变量采用χ²检验或Fisher精确检验进行分析。采用单因素和多因素logistic回归分析来确定csPCa的显著预测因素。采用逐步logistic回归模型分析预测PCa检出率的独立因素。在logistic回归模型中，将PI-RADS、年龄、前列腺特异性抗原（prostate-specific antigen，PSA）、前列腺体积、病灶最大二维直径、ADC值、T2WI图像上的信号强度、形态变量等作为自变量，PCa作为因变量，筛选出有价值的特征进行拟合，建立一个联合模型。所有检验均为双侧检验，P<0.05被认为差异具有统计学意义。

2 结果

2.1 患者的人口统计学和临床数据

       最终有403例患者纳入本研究，年龄为72（66，78）岁；其中PCa患者108例，低级别PCa 28例，csPCa 80例，良性疾病患者295例；PSA水平为11.03（6.84，19.10）ng/mL，详见表1。PI-RADS 1（n=25）、2（n=119）、3（n=130）、4（n=43）和5（n=86）类病变的癌症检出率见表2及图2。两名阅片者观察者间一致性分析ICC为0.78（95% CI：0.67~0.86）。

点击查看大图

图2  不同PI-RADS类别病灶的PCa和csPCa的癌症检出率。***表示P<0.001。PCa：前列腺癌；csPCa：临床显著性前列腺癌。
Fig. 2  Cancer detection rates of PCa and csPCa for lesions of different PI-RADS categories. *** for P<0.001. PCa: prostate cancer; csPCa: clinically significant prostate cancer.

点击查看表格

表1  患者的人口统计学和临床变量
Tab. 1  Demographic and clinical variables of patients

点击查看表格

表2  PI-RADS v2.1不同类别的PCa及csPCa检出率
Tab. 2  Detection rates of PCa and csPCa in different categories based on PI-RADS v2.1

2.2 PI-RADS不同类别病灶的癌症检出率

       PI-RADS v2.1的1类典型结节及2类非典型结节的病变中未发现csPCa，2类非典型结节中有5例诊断为低级别PCa（ISUP≦1），PCa检出率为4.20%。3类病变的PCa及csPCa检出率较低，分别为13.08%（17/130）及3.85%（5/130）。27个DWI升级的非典型结节（2+1）中仅有1例被诊断为csPCa（3.70%）。4类（41.86%，18/43）和5类（79.07%，68/86）病变的癌症检出率较高（P<0.001）；4类和5类病变的csPCa的检出率分别为32.56%（14/43）和70.93%（61/86），P<0.001。

2.3 csPCa相关预测因子分析及模型效能分析

       单因素、多因素logistic分析显示，血清PSA [OR=1.05（95% CI：1.00~1.10）；P=0.047]、PI-RADS [OR=8.92（95% CI：2.94~27.13）；P<0.001]与csPCa相关（表3）。基于病灶体积和最大直径的指标，最大二维直径[OR=0.84（95% CI：0.71~0.98）；P=0.046]及网格体积[OR=1.00（95% CI：1.00~1.00）；P=0.041]与csPCa相关。然而，其他三维形状特征，如表面体积比（P=0.442）、球形度（P=0.687）、延伸度（P=0.209）和平整度（P=0.460）等与csPCa没有相关性。PI-RADS及联合模型预测csPCa的受试者工作特征（receiver operating characteristic, ROC）曲线下面积（area under the curve, AUC）分别为0.948（95% CI：0.911~0.980）、0.960（95% CI：0.918~0.992），详见图3。

点击查看大图

图3  PI-RADS及联合模型预测csPCa的ROC曲线。PI-RADS：前列腺成像报告和数据系统；csPCa：非临床显著性前列腺癌；ROC：受试者工作特征；AUC：曲线下面积；CI为置信区间。
Fig. 3  The ROC curve of predicting csPCa with PI-RADS and combined model. PI-RADS: prostate imaging-reporting and data system; csPCa: clinically significant prostate cancer; ROC: receiver operating characteristic; AUC: area under the curve; CI: confidence interval.

点击查看表格

表3  各参数与csPCa的单因素、多因素logistic分析
Tab. 3  Univariable and multivariable analyses for clinically significant prostate cancer

3 讨论

       本研究探讨了PI-RADS v2.1不同类别移行带病变的csPCa的检出率。结果显示，PI-RADS≥3类移行带病变的csPCa检出率存在显著性差异。进一步使用定量方法提取出病灶的形状特征和信号特征，发现PI-RADS评分、病灶直径及网格体积是csPCa的独立预测因子。

3.1 PI-RADS v2.1不同类别病灶的癌症检出率

       我们的结果显示，PI-RADS 4类、5类病灶的PCa和csPCa检出率均较高，分别为41.86%、79.07%（PCa）和32.56%、70.93%（csPCa）。这一结果与THAI等^[16]的研究相近，他们从600多个移行带靶向活检队列中发现，PI-RADS v2 4类和5类病灶的csPCa检出率分别为29.1%和77.6%。相比之下，PI-RADS 3类病灶的PCa及csPCa检出率明显低于PI-RADS 4类和5类病灶，分别为14.44%和3.84%。这与其他研究一致^{[18, 22, 23]}，进一步验证了PI-RADS 3类病变中csPCa的发生率普遍较低，即便是在PCa高发病率的群体中亦是如此。YANG等^[23]发现PI-RADS 3类病变在移行带的出现频率显著高于外周带。然而，csPCa的检出率在移行带中明显低于外周带（6.0% vs. 18.5%，P<0.05）。此外，我们还发现，非典型结节（PI-RADS 2类）及典型结节（PI-RADS 1类）中未检出csPCa。这一发现强调了PI-RADS v2.1中非典型移行带结节DWI升级规则的重要性。尽管3类结节中csPCa的发生率较低，然而，考虑到大多数临床中心针对PI-RADS 3类或更高类别的病变实施活检^[24]，在PI-RADS v2.1更新之前，并不会对升级的3（2+1）类移行带病变进行活检。在我们的研究中，涉及27例升级的3（2+1）类移行带病变中，其中仅有1例（3.70%）确诊为csPCa。因此，这些病例的数量似乎并不足以证明这一类别的癌症检出率，可能导致不必要的活检。同样，在一项有359个病变的研究中，6个被升级为3类移行带病变中无一例为csPCa^[25]。因此，可能需要更多确凿的证据来重新评估在PI-RADS v2.1中将移行带病变升级到3类的附加价值。

3.2 与csPCa相关的独立预测因子

       我们的结果显示，PI-RADS评分是csPCa的独立预测因子，有助于对前列腺移行带病变进行风险分层。近年的研究表明，PI-RADS v2.1评分在诊断PCa，尤其是csPCa方面具有很高的应用价值^{[26, 27, 28]}。有研究报道^[26]，以PI-RADS v2.1评分4分为截断值，AUC值达0.95，阴性预测值（negative predictive value, NPV）高达98.2%，本研究结果显示以PI-RADS v2.1评分4分为截断值，AUC为0.948，也证实了PI-RADS v2.1评分的诊断效能。

       经过分析并未发现与csPCa直接相关的特定病变形状，但能够确认某些相关性。例如，病灶的最大二维直径及网格体积与csPCa存在相关性[OR=0.84（0.71~0.98）、1.00（1.00~1.00），P<0.05]。这些发现进一步证实了前列腺病灶的大小与csPCa之间存在显著的关联，这一结论在相关的研究中也得到了证实^{[28, 29, 30]}，病灶主轴长度与病灶体积在T分期中逐渐增加，表明肿瘤的大小是PCa诊断的重要指标。然而，需要指出的是，单纯依赖病灶大小作为评估标准，可能忽略了其他的重要特征。事实上，即使病灶小于1.5 cm，仍可能表现出侵袭性疾病的特性^[31]。据多项研究^{[30, 32, 33]}表明，ADC值在识别csPCa方面具有一定的价值。另有研究表明，采用局灶性病灶与正常前列腺实质，甚至与整个腺体的ADC值之间的比值，可能有助于降低这些定量指标在不同平台间的变异性^{[34, 35]}。然而，遗憾的是，在本研究中ADC值以及其他定量特征并未为前列腺病灶的风险分层提供额外价值，这也说明PI-RADS v2.1评分系统已为病灶的风险分层提供了较高的诊断效能及诊断依据。

3.3 局限性

       本研究的不足之处：（1）研究大部分病理结果为经直肠超声引导下系统穿刺，与MRI病灶不能完全一一对应，结果可能存在偏差；（2）本文为回顾性研究，且高级别PCa病例数过多，样本选择可能存在偏倚；（3）样本量相对不足，部分分类下的数据集非常小且不平衡，今后仍需要大样本多中心研究进一步证实。

4 总结

       综上所述，PI-RADS评分、病灶的定量特征如直径及网格体积是csPCa的独立预测因子，可为临床诊疗提供依据。