集成68Ga-PSMA PET/MRI技术模型提升了前列腺癌的诊断准确性以及ISUP分期体系的实用性，尤其是在PSA水平较低的病例群体中

《EJNMMI Research》：Integrated 68Ga-PSMA PET/MRI models improve prostate cancer diagnosis and ISUP stratification, especially in the low-PSA cohort

　　

摘要

背景

本研究旨在评估⁶⁸Ga-PSMA PET/MRI所得参数在前列腺癌诊断中的有效性及其在风险分层中的意义。

方法

本研究对2020年11月至2024年4月期间接受⁶⁸Ga-PSMA PET/MRI检查的患者进行了回顾性分析，所有患者均通过活检或前列腺切除术获得了组织病理学确诊。分析的参数包括SUV_max、在40% SUV_max阈值下的PSMA肿瘤体积（PTV40%）、该体积内的平均摄取值（SUV_40%mean）以及与肝脏（PLR）、血池（PBpR）和腮腺（PPgR）的摄取比值。MRI评估使用PI-RADS v2.1标准（评分≥4定义为阳性），并记录了ADC_mean和ADC_min。通过ROC分析比较了PET和MRI参数的诊断性能。构建了两个逻辑回归模型：一个用于改善低PSA亚组（PSA<20 ng/mL）的诊断性能，另一个用于国际泌尿病理学会（ISUP）分级（GG 1–2对比GG 3–5）的分类。模型性能通过LOOCV、1000次自助重采样和决策曲线分析进行评估。

结果

在74名患者（平均年龄65.9±7.4岁）中，52例患有前列腺癌，22例为良性病变。PET参数（SUV_max、PLR、PBpR、PPgR）和MRI衍生的ADC值在两组间存在显著差异。SUV_max的临界值为7.665时，敏感性为76.9%，特异性为100%（AUC=0.920）；而PLR的临界值为1.551时，敏感性（92.3%）和特异性（86.4%）更高（AUC=0.907）。在PSA<20 ng/mL的患者中，PLR的敏感性（84.6%）高于SUV_max（53.8%）。对于低PSA亚组，Clinical+ADC_mean+SUV_max模型的LOOCV AUC为0.795，而仅基于临床特征的模型为0.449，Clinical+ADC_mean模型为0.733。对于ISUP分级，ADC_mean+SUV_max模型的LOOCV AUC为0.906。DCA验证了这些最佳模型的临床实用性。

结论

⁶⁸Ga-PSMA PET/MRI所得参数在前列腺癌诊断中表现出优异的性能。PLR具有最高的敏感性，尤其是在PSA水平较低的患者中。结合PET和MR参数——尤其是基于PET的ADC_mean与SUV_max和PLR——可以提高诊断准确性，可能实现无创的ISUP分级，并有助于个性化治疗。

试验注册

NCT03756077。注册时间：2018年11月27日——回顾性注册，https://clinicaltrials.gov/show/NCT03756077。

背景

本研究旨在评估⁶⁸Ga-PSMA PET/MRI所得参数在前列腺癌诊断中的有效性及其在风险分层中的意义。

方法

本研究对2020年11月至2024年4月期间接受⁶⁸Ga-PSMA PET/MRI检查的患者进行了回顾性分析，所有患者均通过活检或前列腺切除术获得了组织病理学确诊。分析的参数包括SUV_max、在40% SUV_max阈值下的PSMA肿瘤体积（PTV40%）、该体积内的平均摄取值（SUV_40%mean）以及与肝脏（PLR）、血池（PBpR）和腮腺（PPgR）的摄取比值。MRI评估使用PI-RADS v2.1标准（评分≥4定义为阳性），并记录了ADC_mean和ADC_min。通过ROC分析比较了PET和MRI参数的诊断性能。构建了两个逻辑回归模型：一个用于改善低PSA亚组（PSA<20 ng/mL）的诊断性能，另一个用于国际泌尿病理学会（ISUP）分级（GG 1–2对比GG 3–5）。模型性能通过LOOCV、1000次自助重采样和决策曲线分析进行评估。

结果

在74名患者（平均年龄65.9±7.4岁）中，52例患有前列腺癌，22例为良性病变。PET参数（SUV_max、PLR、PBpR、PPgR）和MRI衍生的ADC值在两组间存在显著差异。SUV_max的临界值为7.665时，敏感性为76.9%，特异性为100%（AUC=0.920）；而PLR的临界值为1.551时，敏感性（92.3%）和特异性（86.4%）更高（AUC=0.907）。在PSA<20 ng/mL的患者中，PLR的敏感性（84.6%）高于SUV_max（53.8%）。对于低PSA亚组，Clinical+ADC_mean+SUV_max模型的LOOCV AUC为0.795，而仅基于临床特征的模型为0.449，Clinical+ADC_mean模型为0.733。对于ISUP分级，ADC_mean+SUV_max模型的LOOCV AUC为0.906。DCA验证了这些最佳模型的临床实用性。

结论

⁶⁸Ga-PSMA PET/MRI所得参数在前列腺癌诊断中表现出优异的性能。PLR在PSA水平较低的患者中具有最高的敏感性。结合PET和MR参数——尤其是基于PET的ADC_mean与SUV_max和PLR——可以提高诊断准确性，可能实现无创的ISUP分级，并有助于个性化治疗。

试验注册

NCT03756077。注册时间：2018年11月27日——回顾性注册，https://clinicaltrials.gov/show/NCT03756077。