0 引言

       前列腺癌（prostate cancer, PCa）是男性泌尿生殖系统的常见恶性肿瘤，在男性恶性肿瘤中的发病率和死亡率分别为14.2%和7.3%，分别位居第二和第五^{[1, 2]}。近年来，随着我国人口老龄化的加剧，不健康生活方式和饮食习惯的改变，PCa的发病率以年均4.71%的速度递增^[3]。根治性前列腺切除术（radical prostatectomy, RP）是临床上治疗PCa的主要方法，手术方式的选择与肿瘤是否突破包膜有关^{[4, 5]}。前列腺包膜是围绕前列腺的一层致密纤维肌性结构，包裹前列腺实质，前方较薄，后方及两侧较厚，外层为纤维结缔组织，内层含平滑肌纤维，对前列腺起保护和支持作用。PCa包膜外侵犯（extraprostatic extension, EPE）指的是肿瘤细胞超出腺体轮廓或超出前列腺后部和后外侧的致密平滑肌而向周围邻近组织结构扩散、浸润，若肿瘤细胞侵犯范围不超过两个独立的组织病理学切片中的一个高倍视野，则被定义为局灶性EPE，若侵犯范围大于一个高倍视野，则为非局灶性或广泛性EPE^{[6, 7]}。EPE与PCa术后切缘阳性、生化复发、远处转移等预后不良因素密切相关，影响着PCa患者的长期生存率^[8]。术前准确评估EPE影响PCa手术计划的制定：若存在EPE，则需扩大手术切除范围以降低术后切缘阳性的几率；若不存在EPE，手术时可考虑保留血管神经束，降低尿失禁和性功能障碍等术后并发症的发生率，提高患者生存质量^{[4, 9, 10]}。

       MRI具有无创性、高软组织对比度、提供组织结构和代谢信息等优点，在PCa诊断中发挥着越来越重要的作用^[8]。相关研究表明^{[10, 11, 12]}，PCa相关MRI参数，如肿瘤大小、肿瘤体积、肿瘤-包膜接触长度、ADC值等，能为术前评估EPE提供影像学信息。然而，关于术前评估EPE应该采用的MRI技术尚未达成共识^[13]。前列腺影像报告与数据系统（prostate imaging reporting and data system, PI-RADS）中推荐的前列腺多参数MRI（multiparametric MRI, mpMRI）技术包括T2WI、动态对比增强MRI（dynamic contrast-enhanced MRI, DCE-MRI）、扩散加权成像（diffusion-weighted imaging, DWI）^[8]。目前，大量研究正逐步证实这些常规MRI技术在评估EPE中的诊断价值。然而，近年来缺乏对mpMRI技术进展在EPE评估领域的系统性综述。本文旨在综述以上常规mpMRI序列在EPE评估中的最新研究进展与应用价值，为科研人员及放射科医师提供循证依据与临床参考，以期提升PCa患者个体化诊疗的精准性。

1 T2WI在评估EPE中的技术发展及应用进展

       T2WI可清晰显示前列腺及其周围组织的解剖结构，应用最为广泛的成像序列是常规二维快速自旋回波（turbo spin echo, TSE）T2WI^[14]。以往的研究^{[15, 16]}表明，T2WI在检测EPE中具有较高的诊断价值。T2WI图像上诊断EPE的影像特征包括前列腺轮廓膨隆、边缘不规则或呈毛刺状，包膜回缩、肿瘤-包膜接触界面>1 cm，包膜破溃伴肿瘤直接侵犯，神经血管束不对称、肿瘤包绕神经血管束及直肠前列腺角消失等^[17]。

       基于非笛卡尔采集填充K空间的快速T2WI序列，如PROPELLER（GE）和BLADE（SIMENS），采用非笛卡尔轨迹（如放射状、螺旋状）高频覆盖K空间，K空间中心过采样可消除常规2D T2WI相位编码方向的伪影，但K空间边缘欠采样可能降低图像的信号噪声比（signal-to-noise ratio, SNR）^[18]。ROSENKRANTZ等^[19]回顾性研究49例PCa的T2WI图像，结果发现，基于BLADE的T2WI序列评估EPE的敏感度（90.9%）和特异度（63.2%）与常规2D T2WI相当，且伪影更少，但肿瘤与外周带的对比度降低。因此基于非笛卡尔采集的T2WI序列不能完全取代常规T2WI，但其可应用于制动困难的患者以降低运动伪影的影响。未来仍需更多大样本多中心研究验证基于非笛卡尔采集的T2WI序列检测EPE的效能。

       3D T2WI是T2加权成像的一项最新进展，已在临床实践中被广泛应用。通常这些序列通过在层面选择方向上施加第二个相位编码梯度来获取3D数据集，该数据集可在任意平面重建出薄层图像^[20]。3D T2WI图像采集时间相较于2D T2WI采集三个平面图像所需时间可缩短约1 min 15 s^[21]。3D重建图像可在病变可疑区域垂直于前列腺包膜方向进行定位，有助于EPE的显示。TANAKA等^[22]的研究显示，基于组织特异性可变重聚焦翻转角（TS-VRFA）技术的3D T2WI的对比度最高，图像质量优于常规3D T2WI，与2D T2WI相当，但三种序列之间评估EPE的受试者工作特征曲线下面积（area under the curve, AUC）相近。CHOI等^[23]的回顾性研究显示基于压缩感知的3D T2WI（如SIMENS的SPACE）采集时间较TSE-T2WI短（4 min 55 s vs. 10 min 5 s），但评估EPE诊断性能相仿。3D T2WI是通过单次长时间采集生成多平面重建图像，因此对运动极其敏感。JÄDERLING等^[24]的研究发现，两位阅片者中，3D T2WI结合多平面重建检测EPE的AUC值均低于单独使用2D T2WI，且3D组的观察者间一致性低于2D组。分析原因可能是3D T2WI的空间分辨率较低（体素0.8 mm×0.8 mm×0.8 mm）导致部分容积效应，难以分辨微小范围EPE（<0.5 mm）；多平面重建采集过程中，运动伪影影响图像质量，使薄层重建时图像信噪比降低。上述因素共同作用最终致使3D序列检测EPE的性能下降。未来3D T2WI技术可通过提升硬件性能（如提高场强与改进线圈）、优化成像序列（压缩感知与快速扫描技术）、结合深度学习图像重建算法，进而提升图像质量，增强微小范围EPE的检出能力。

       基于深度学习重建（deep learning reconstruction, DLR）的T2WI可在缩短图像采集时间的同时提高图像质量。PARK等^[25]回顾性分析109例术前接受多参数MRI并进行RP的PCa患者的T2WI图像，发现快速T2WI+DLR（扫描时间2.5 min）较未使用DLR的快速T2WI显著提升了SNR（14.7 vs. 8.8）和对比噪声比[（contrast noise ratio, CNR）：6.5 vs. 3.4]，其图像质量评分（中位数4分）接近常规T2WI（5分）。在诊断EPE时，快速T2WI+DLR的AUC（0.82~0.86）与常规T2WI相当，且优于快速T2WI（0.73~0.75），同时将T2WI总扫描时间从12 min缩短至7.5 min。KIM等^[26]发现与TSE-T2WI相比，DLR T2WI扫描时间减少69%。在评估EPE方面，DLR T2WI和TSE-T2WI的AUC相似（0.814~0.832）。一项纳入88例PCa患者的研究^[27]比较了常规T2WI、高分辨率T2WI（通过优化成像参数及采用高场强磁共振系统以提升空间分辨率的T2WI序列）以及基于DLR的高分辨率T2WI图像，结果显示常规T2WI在图像质量和诊断能效方面最优。基于DLR的高分辨率T2WI图像质量高于高分辨T2WI，两者诊断能效没有显著差异，与先前研究结果不一致的原因可能是高分辨率T2WI使图像SNR降低，即使DLR能够提高一定的图像质量，但最终图像质量仍不如常规T2WI，导致引入DLR没能提高对EPE的诊断性能。此外，标注数据的质量、在不同厂商设备的普适性、模型的可解释性等因素使基于DLR的T2WI在临床实践中应用仍面临挑战。

       T2WI是评估EPE的最基本MRI序列，但其性能高度依赖于放射科医生经验水平，临床实践中通常将T2WI与其他序列或技术组合应用。既往研究^{[17, 28]}表明，T2WI结合其他MRI序列相较于单独使用T2WI显示出更佳的EPE诊断效能。T2^*WI映射技术是T2WI的一个技术发展方向，可在T2WI图像上对肿瘤进行量化，提供客观诊断信息，但其在评估EPE中的价值有待进一步的研究证明。

2 DCE-MRI在EPE评估中的应用进展及局限性

       DCE-MRI通过静脉注射钆对比剂，利用其缩短水质子T1弛豫时间的特性，动态追踪对比剂在前列腺肿瘤内的分布、渗透及清除过程，以反映前列腺肿瘤的血流灌注、血管通透性等生理参数^[29]。早期DCE序列仅限于评估前列腺外周带局灶性病变，从DCE图像上获取的相关病变特征的一致性中等^{[30, 31]}。然而，自PI-RADS推出以来，越来越多的研究表明DCE序列在EPE检测和分期中具有一定诊断价值^{[32, 33]}。目前，DCE-MRI评估EPE的方法主要是基于DCE图像的定性分析和定量分析。

       定性分析主要基于PI-RADS评分系统在DCE图像上观察EPE的影像特征，该方法最为方便直接，无需使用特殊分析软件。通过DCE-MRI可观察到的EPE影像特征包括包膜强化、可测量的包膜外肿瘤、神经血管束增强不对称等^[34]。CAGLIC等^[35]评估146例PCa患者DCE图像上包膜强化征（capsular enhancement signal, CES）在检测EPE中的作用。研究结果表明，CES（定义为DCE-MRI上肿瘤邻近包膜不对称早期显著强化的征象）是一种强烈预测EPE存在的新影像标志物，特异度与阳性预测值均达100%，但敏感度较低（16.5%）。定性分析的不足在于其缺乏客观性，诊断EPE的准确性受放射科医生经验影响较大。

       基于DCE图像的定量分析可通过测量包膜接触长度来间接预测EPE。包膜接触长度（length of tumor capsular contact, LCC）指前列腺肿瘤与包膜接触的连续长度，可通过线性或曲线测量法在MR图像上量化，用于测量LCC的MRI序列包括T2WI、DCE以及DWI^[36]。LI等^[36]的Meta分析显示其评估EPE的敏感度为79%、特异度为77%，优于传统主观评估（如包膜不规则或膨出）。目前的研究认为，LCC与EPE风险呈正相关，LCC每增加1 mm，EPE风险增加4%^[37]。DCE序列因其高分辨率及更精准的包膜接触可视化，可更加精确地定量测量LCC，从而间接评估EPE。EURBOONYANUN等^[38]认为测量LCC的最佳成像序列是DCE（AUC=0.797），且推荐预测EPE的线性LCC阈值为15 mm，其敏感度和特异度分别为75.86%和72.09%。ASFUROĞLU等^[32]发现，DCE-MRI定量测量LCC预测EPE的AUC高于T2WI和DWI（0.764~0.815）。然而，一项纳入105例PCa患者的回顾性研究^[39]发现，尽管DCE-MRI测量的LCC在EPE诊断中显示出良好的准确性（AUC=0.715~0.732）和可重复性，但其与T2WI的诊断性能无明显差异。分析其原因可能是尽管DCE-MRI显示出比其他MRI序列更好地预测病理LCC能力（AUC=0.862~0.874），但在该研究中其漏诊的肿瘤数量多于T2WI和DWI，因此导致DCE序列最终表现出与T2WI相似的检测EPE的性能。

       应用药代动力学模型进行复杂参数计算是DCE-MRI的核心定量分析方法，该方法可区分对比剂在血管内与血管外细胞外间隙之间的交换速率^{[40, 41]}。最常用的药代动力学模型是Tofts模型，相关参数包括K^trans（体积转移常数）、Kep（回流速率常数）、Vp（血浆容积分数）以及Ve（细胞外容积分数）。KIM等^[42]的研究探讨mpMRI定量评估EPE的价值，结果显示基于DCE序列的定量参数K^trans和Kep在诊断EPE方面的准确性较高（AUC分别为0.852和0.834），显著高于ADC值（AUC=0.758）。其原因可能在于，与主要反映组织扩散受限的ADC值不同，DCE衍生的定量参数更能反映肿瘤区域的血管生成及血流灌注状态，从而更直接地表征其侵袭性。类似地，颜秀芳等^[43]基于59例PCa患者的DCE图像，通过勾画感兴趣区测量血流动力学参数（K^trans、Kep、Ve），发现K^trans和Kep诊断EPE的AUC分别为0.866和0.768，较定性评估（AUC=0.566）显著提高。然而，该定量分析方法易受对比剂的剂量与浓度、到达供血血管的时间等因素影响，且目前其应用于EPE评估的研究数量有限，其临床适用性仍需通过更多研究进一步验证。

       目前，包含DCE的MRI序列在预测EPE方面是否优于不包含DCE的MRI序列仍存在争议。ROUVIÈRE等^[44]对262名RP术前接受MRI检查的PCa患者进行前瞻性研究，比较有和无DCE序列时EPE预测模型的性能，结果发现添加DCE序列能使所有模型AUC值提高。可能的原因是DCE-MRI包含不同的定量参数，可反映肿瘤血管通透性和血流量，从而预测PCa的侵袭性。此外，DCE序列可捕捉前列腺肿瘤的早期动脉期强化，间接提示肿瘤新生血管生成活跃，具有一定检测EPE的潜力。然而，CHRISTOPHE等^[45]比较不含DCE的双参数MRI与添加DCE的多参数MRI评估EPE的性能，结果发现尽管DCE略微提升了评估EPE的敏感性，但AUC并未获得显著提升（0.73 vs. 0.76）。分析该研究，可能的原因是DCE检测的微血管异常（如高通透性、强化模式）并非EPE独有，炎症、良性增生或治疗后改变可能导致类似表现，增加假阳性风险；DCE的定量分析易受扫描参数、对比剂剂量及后处理算法差异的影响，导致跨机构结果可比性差，削弱其标准化应用潜力。此外，在PI-RADS v2.1框架下DCE权重降低，当T2WI和DWI已提供足够诊断信息时，DCE的额外贡献可能被削弱，仅在模棱两可的病例中起辅助作用，难以独立提升整体效能。

       综上，DCE-MRI可通过观察图像上PCa影像特征、定量测量肿瘤包膜接触长度及药代动力学参数预测EPE，但将其与其他MRI序列联合应用时，对诊断EPE的增量价值有限。不过，当常规平扫影像发现可疑病灶或因磁场失真或运动伪影导致图像质量欠佳时，DCE-MRI可提供补充信息发挥辅助诊断作用，并且其定量分析可将PCa的血管生成、通透性及代谢特征转化为可量化的指标，因此其在PCa侵袭性的研究中仍是一个重要序列。DCE-MRI检查存在成本高、耗时长等局限性，且钆对比剂存在脑内蓄积及系统性肾源性纤维化等潜在风险，这些局限性在选择DCE序列时也需要考虑在内。多模态融合是DCE序列的一个发展方向，结合其他功能成像序列如DWI、动态磁敏感对比成像等可实现前列腺肿瘤的多参数定量分析。

3 DWI及ADC定量参数在EPE评估中的应用进展

       DWI基于水分子布朗运动原理，通过施加扩散敏感梯度场检测组织中水分子的扩散受限程度从而反映细胞密度和微结构^[46]。ADC是通过测量不同b值下的信号强度计算得出的定量参数，反映组织中水分子的平均扩散速率，公式为ADC=ln（S₁/S₂）/（b₂-b₁），其中S₁和S₂分别为低、高b值下的信号强度^[47]。PCa因恶性细胞增殖导致细胞密度增加，细胞外间隙减少，从而限制水分子扩散，表现为DWI高信号及ADC低信号。

       在前列腺MRI中，DWI扫描最常用的数据采集方式是单次激发平面回波成像（echo planar imaging, EPI），其成像速度快的特点可有效减少由呼吸、肠蠕动产生的运动伪影^[48]。在DWI扫描中，b值的选择尤为重要，它直接决定了图像的对比度和诊断效能。根据PI-RADS v2.1要求，DWI需设置至少两个不同b值范围：低b值（0~100 s/mm²，推荐50~100 s/mm²）和中等b值（800~1000 s/mm²）。此外，高b值（≥1400 s/mm²）DWI已被纳入为必要序列^[49]。高b值能显著抑制正常前列腺组织信号，增强肿瘤与周围组织的对比度，尤其对EPE相关的包膜不规则、肿瘤外生性生长等征象更敏感^[50]。COLVIN等^[51]的研究显示，常规T2WI联合高b值（1400 s/mm²）DWI后可显著提升EPE的检测敏感性（65.6% vs. 77.4%）。KIDO等^[52]的回顾性研究发现，将高b值（2000 s/mm²）DWI与常规MRI（T2WI和DCE-MRI）结合后，诊断敏感度从44%提升至78%，特异度从92%提高至96%，准确性从72%增至88%。这两项研究证实，将高b值DWI纳入常规MRI扫描方案可提高EPE的检出能力。然而值得注意的是，随着b值升高，DWI图像的信噪比会相应下降，可能造成EPE诊断中的假阳性风险增加。

       相关研究^{[53, 54]}表明，基于DWI的ADC值与外周带PCa Gleason评分呈负相关，不仅有助于PCa的肿瘤检测，还可用于评估肿瘤侵袭性。LI等^[36]纳入7项研究的Meta分析显示，ADC值预测EPE的敏感度和特异度均为71%，AUC为0.77，表明ADC值是EPE风险的一个独立预测因子。然而，预测EPE的最佳ADC临界值尚未达成共识。KIDO等^[52]的研究提出，检测EPE的最佳ADC临界值为0.72×10^-3 mm²/s，其检测EPE的敏感度和特异度分别为83%和68%。然而，ITO等^[17]的研究显示，评估EPE风险的最佳ADC临界值为0.63×10^-3 mm²/s，较先前的研究低。分析原因可能是ITO等的研究使用高b值（2000 s/mm²）DWI扫描方案显著抑制了微循环灌注对信号的干扰，使ADC值更真实地反映水分子的扩散受限程度，从而推动临界值向更低方向变化。不同b值组合会显著影响ADC计算结果（如低b值受灌注干扰、高b值增加图像噪声），导致临界值波动和诊断偏差。因此，标准化b值对确定EPE的最佳ADC临界值至关重要，采用标准化b值获取的ADC临界值可消除设备、扫描协议差异，保障多中心数据可比性，提升检测EPE的特异性。

       ADC定量参数（包括ADC平均值、ADC最小值、ADC比值等）的测量在临床实践中可为EPE的检测提供客观、可重复的量化指标。XIAO等^[55]的Meta分析采用标准化均数差评估ADC平均值与EPE状态的相关性，结果显示两者显著相关，提示ADC平均值可作为评估EPE的潜在影像标志物。DA SILVA FILHO等^[53]回顾性分析67例PCa患者的DWI图像发现，ADC平均值在预测EPE时的诊断效能较高（AUC=0.778~0.855），进一步支持XIAO等的结论。ASFUROĞLU等^[32]对84例PCa患者的术前DWI数据进行分析，发现EPE组的ADC平均值（0.77 ×10^-3 mm²/s）低于非EPE组（0.93×10^-3 mm²/s），且ADC比值（肿瘤区ADC值与正常腺体ADC值的比值）也显著降低（0.48 vs. 0.57）。上述研究一致表明，基于ADC图像的定量测量可作为准确诊断EPE的有效影像学工具。然而，与以上研究结果相反，LIM等^[56]的研究提出基于DWI获取的ADC平均值和ADC比值在评估EPE方面无显著价值，分析原因可能与其开展的研究样本量较小（n=73）及Gleason评分分布偏倚有关。LIM等研究纳入的PCa病例主要集中在Gleason评分7分（3+4分或4+3分），未包含低风险（Gleason评分3+3=6分）病例，且仅纳入少量高风险（Gleason评分≥8分）病例。

       ADC直方图分析是一种高级量化分析方法，通过绘制感兴趣区域内每个体素ADC值的频率分布图来量化前列腺肿瘤空间异质性，具有无创性预测肿瘤侵袭性的潜力^[57]。LIU等^[58]对基于DWI的ADC直方图预测PCa侵袭性进行研究，结果显示ADC值的百分位数与肿瘤Gleason分级呈负相关。分析原因可能是低百分位ADC值（如第10百分位）与肿瘤高细胞密度及侵袭性生长模式相关，可能提示局部微浸润倾向。CHEN等^[59]回顾性分析186例PCa患者的ADC直方图，结果显示，EPE阳性肿瘤的ADC直方图参数（包括第10百分位、第90百分位、均值、中位数和最小值）显著低于EPE阴性组，其中ADC中位数的区分效能最佳（AUC=0.681）。表明ADC直方图分析可为术前无创预测EPE提供定量影像标志物。然而，徐鸿昊等^[60]对100例接受RP的PCa患者的研究发现，ADC直方图的第99百分位数是EPE独立预测因子，其联合EPE分级系统（0级：肿瘤无包膜接触或LCC<15 mm；1级：LCC≥15 mm或包膜不规则或膨出；2级：LCC≥15 mm和包膜不规则或膨出；3级：MRI图像上可见肿瘤明显突出或侵犯邻近组织）预测EPE的AUC为0.856，与LIU等研究结果不同，分析其原因可能是LIU等的研究纳入接受穿刺活检患者，而徐鸿昊等考虑活检后出血对ADC值测量可能产生影响，未纳入接受前列腺穿刺活检术患者。此外，不同厂商设备之间的差异可能对研究结果产生影响。KRISHNA等^[61]基于149例PCa患者的ADC图像进行直方图分析，记录病灶ADC的平均值、中位数及百分位数等直方图参数，并提取偏度、峰度、熵值等直方图特征。结果发现，ADC熵值与EPE显著相关，AUC为0.76，相较于主观评估，直方图分析提高了诊断EPE的敏感性（75.0% vs. 43.6%）。该研究展现了直方图特征在EPE诊断中的应用价值，为后续预测EPE的影像组学研究奠定基础。

       综上所述，高b值DWI扫描、ADC定量参数测量以及ADC直方图分析等技术方法均对EPE风险的评估有一定价值。作为临床常用的标准DWI序列，EPI的局限性包括易产生磁敏感伪影及空间分辨率低，这些问题会在高场强下加剧^[48]。分段读出多次激发平面回波成像是DWI序列的一项新技术，致力于在保持图像空间分辨率及减少磁敏感伪影的同时缩短扫描时间，未来有望将其应用于预测EPE的研究中。此外，DWI的衍生序列包括体素内不相干运动成像（双指数模型获取水分子扩散信息与微循环灌注信息）、扩散张量成像（水分子在三维空间中的各向异性扩散）、扩散峰度成像（反映非高斯分布水分子扩散情况）等已逐步用于PCa的诊疗中^{[62, 63, 64]}，但目前评估EPE的研究较少，这些序列评估EPE的价值需进行前瞻性研究进一步探讨。

4 总结与展望

       近年来，mpMRI技术在EPE的术前评估中取得显著进展，但也存在一定不足。T2WI作为前列腺MRI最基础序列，凭借高软组织分辨率可清晰显示前列腺解剖结构及EPE形态特征，其新技术致力于缩短扫描时间的同时提升图像质量，但其诊断效能高度依赖于放射科医生的主观性评估。DCE-MRI通过动态评估肿瘤血管通透性和强化模式以及定量测量LCC和血流动力学参数，为EPE的评估提供辅助诊断信息，但其诊断增量价值仍存在争议，且需考虑对比剂相关风险。DWI及ADC参数通过量化细胞密度和组织异质性，为评估EPE提供更加客观的诊断依据，但ADC阈值缺乏统一标准，且其准确性受到磁敏感伪影限制。在此背景下，诸多学者尝试将mpMRI影像参数与临床、病理指标（包括血清PCa抗原-2、前列腺特异性抗原密度、穿刺阳性针数占比、活检Gleason评分等）联合建立多学科综合预测模型，以提高EPE诊断的准确性。

       未来，MRI评估EPE有诸多颇具前景的发展方向。MRI新兴技术如酰胺质子转移加权成像，通过反映肿瘤细胞内蛋白质和肽的浓度变化，可提供与形态学信息、扩散信息互补的分子信息，在预测EPE时更好地平衡敏感度与特异度；扩散张量成像，通过量化水分子在组织中的各向异性扩散，无创性显示前列腺周围神经血管束的微观结构变化，在诊断EPE及指导RP神经保留策略方面颇具潜力。其他MRI功能成像技术如扩散峰度成像、合成MRI、磁共振指纹成像等，尽管尚未应用于EPE诊断，但未来有望为EPE的定量评估提供更多影像生物标志物。基于mpMRI的影像组学可通过在T2WI、DCE、DWI、ADC图像及其组合图像中高通量提取定量特征，利用支持向量机、随机森林、最小绝对收缩和选择算子等多种机器学习算法来构建预测EPE的高性能诊断模型。深度学习算法在图像采集、重建及自动化识别、分割方面的应用，将助力图像质量提升、阅片标准化及诊断效率提升。另外，利用深度学习算法可实现自动化图像分割、特征提取、模型构建，通过对大量PCa患者的mpMRI图像进行训练能够建立端到端的EPE预测模型。随着成像设备与成像技术不断更新迭代，人工智能与医学影像持续深入融合，MRI在EPE无创评估中的作用将更加突出，为实现PCa的个体化手术规划和预后改善提供坚实支撑。