PROSTest的临床应用：一项前瞻性研究表明，该检测方法可减少接受前列腺癌评估的男性患者中不必要的MRI检查和活检次数 作者：Kambiz Rahbar、Martin B?gemann、Philipp Papavasilis、Abdel Halim 和 Mark Kidd

前列腺癌筛查中基于30基因机器学习液态活检的术前分流应用研究，纳入111例经PI-RADS分级（3-5级）和PSA检测的受试者，前瞻性评估PROSTest在区分临床意义前列腺癌（CS-PCa）和非恶性疾病中的效能。结果显示PROSTest诊断准确率达91%（95%CI:84.1-95.6%），NPV为89%，在17例活检阴性者中8例（47%）正确阴性预测。该技术可有效辅助术前决策，降低不必要的穿刺活检。

　　

简单总结

本研究表明，PROSTest在通过多参数磁共振成像（MRI）和影像引导活检对男性前列腺癌（PCa）进行风险分层时，具有较高的诊断准确性（>90%）。该检测方法能够有效区分患有临床显著疾病的患者与那些没有组织学恶性证据的患者，并且在活检结果为阴性的个体中始终呈阴性，这支持了其强大的阴性预测价值。这些发现突显了PROSTest作为术前分诊工具的潜在效用，有助于改善患者选择、减少不必要的活检以及限制过度诊断。将PROSTest整合到当前的诊断流程中，可能会提高前列腺癌评估的精确度并优化临床决策。

摘要

背景/目的：早期发现前列腺癌（PCa）能够及时实施治疗干预并改善临床预后。筛查策略日益个性化，现在结合了多参数MRI的结果（使用前列腺影像报告和数据系统（PI-RADS）来辅助活检决策。PROSTest是一种基于机器学习（ML）的新型检测方法，通过分析全血中的30个基因mRNA来检测前列腺癌。在这项前瞻性研究（NCT06872619）中，我们评估了PROSTest是否可以作为术前分诊工具，以指导活检决策，同时保持对临床显著前列腺癌（csPCa）的敏感性。 方法：在121名受试者中，111人（91.7%）完成了完整的诊断流程，包括PSA检测、PROSTest分析和PI-RADS评估，随后接受了影像引导活检。在活检前采集了用于PROSTest的外周血样本。RNA稳定后的样本经过RNA分离、逆转录和定量PCR处理。基因表达数据通过专有的机器学习算法进行处理，生成0到100的连续评分。采用临床验证的临界值≥50来生成二元（阳性/阴性）结果。PROSTest的诊断准确性通过组织学确认的前列腺癌结果进行评估。 结果：参与者的中位年龄为69岁（47–83岁），中位PSA值为7.5 ng/mL（IQR：5.8–11.4 ng/mL）；大多数患者（111人中的104人；93.7%）的PI-RADS评分为3到5分。共有97名患者（87.4%）被诊断为前列腺癌，其中8人属于ISUP分级1级（GG1），46人属于GG2级，33人属于GG3级，3人属于GG4级，7人属于GG5级。PROSTest在111人中的102人（91.9%）中呈阳性。在活检确诊为前列腺癌的男性中，PROSTest的诊断准确率为99%（93/94）。在17名没有组织学疾病证据的男性中，有8人（47%）的PROSTest结果为阴性。总体准确率为91%（84.1–95.6%），阴性预测值（NPV）为89%（51.6–98.4%）。在9名PROSTest阳性但活检阴性的患者中，PI-RADS评分分别为4分（n=6）、3分（n=1）和2分（n=2）。 结论：PROSTest的总体准确率为91%（95%置信区间：84.1–95.6%），阴性预测值为89%。在活检未发现前列腺癌的男性中，有47%（8/17）的PROSTEst结果为阴性。这些结果表明，PROSTest可能是一种有用的术前分诊检测方法。