《Insights into Imaging》：Precise zonal diagnosis: multi-b-value DWI model reveals differential predictors of clinically significant prostate cancer in peripheral and transition zones
编辑推荐：
目的：评估多b值弥散加权成像（DWI）模型对临床显著性前列腺癌（csPCa）的诊断性能，识别外周带（PZ）和移行带（TZ）中分区特异性预测因子，并验证模型在不同MRI供应商间的稳健性。材料与方法：这项回顾性研究纳入238例患者，包括一个主要队列（n=162）和
目的：评估多b值弥散加权成像（DWI）模型对临床显著性前列腺癌（csPCa）的诊断性能，识别外周带（PZ）和移行带（TZ）中分区特异性预测因子，并验证模型在不同MRI供应商间的稳健性。材料与方法：这项回顾性研究纳入238例患者，包括一个主要队列（n=162）和一个独立跨供应商验证队列（n=76）。拟合了七种弥散模型（单指数模型（MEM）、体素内不相干运动（IVIM）、弥散峰度成像（DKI）、拉伸指数模型（SEM）、分数阶微积分（FROC）、连续时间随机游走（CTRW）和IVIM-DKI模型），生成18个参数。采用LASSO回归和广义估计方程（GEE）识别独立预测因子。通过ROC曲线和决策曲线分析（DCA）评估模型性能。在PZ/TZ中进行了亚组分析。结果：MEM_ADC和CTRW_alpha被识别为csPCa的稳健独立预测因子。在主要队列的测试集中，Clinical+Multib_DWI模型的AUC为0.85。尽管较Clinical+ADC模型（AUC=0.80）的改善无统计学显著性（p>0.05），但多b值模型显示出更优的临床净获益。关键的是，在跨供应商验证队列中，该模型保持了稳健的诊断准确性（AUC=0.88）。亚组分析显示，CTRW_alpha对TZ病灶（AUC=0.86）和TZ PI-RADS 3病灶（AUC=0.82）具有强诊断价值。结论：MEM_ADC和CTRW_alpha是csPCa的分区特异性预测因子。虽然多b值模型在AUC上未显著优于ADC模型，但其通过更高的净获益提供了更优的临床实用性，并展示了跨供应商稳健性，支持了先进弥散模型的转化潜力。关键相关性声明：本研究识别了前列腺癌的分区特异性弥散预测因子。通过展示在不同MRI供应商间的稳健性，研究结果表明先进弥散模型可以从专门方案成功转化到临床环境，提供关于活检必要性的卓越决策效用。关键点：先进弥散模型在前列腺癌诊断中缺乏跨供应商验证；选定的弥散参数在独立扫描仪供应商间展示了稳健的癌症预测；分区特异性评估为个性化活检决策提供了更优的临床获益。
### 论文解读：多b值DWI模型在前列腺癌分区诊断中的差异化预测价值
#### 研究背景与问题
前列腺癌（prostate cancer, PCa）是男性癌症相关死亡的主要原因之一。临床显著性前列腺癌（clinically significant prostate cancer, csPCa）的精确定义，通常参照国际泌尿病理学会（International Society of Urological Pathology, ISUP）的Gleason分级（Gleason grade, GG）≥2，对于平衡侵袭性疾病的漏诊风险和惰性肿瘤的过度治疗至关重要。当前依赖于前列腺特异性抗原（prostate-specific antigen, PSA）检测和前列腺活检的诊断范式，受限于特异性不足和取样不准，导致误诊和不必要干预。多参数MRI（multiparametric MRI, mpMRI）已革新PCa评估，其标准方案整合了T2加权成像（T2WI）、弥散加权成像（DWI）及表观弥散系数（apparent diffusion coefficient, ADC）图，但传统单指数模型（mono-exponential model, MEM）假设高斯水弥散，无法反映PCa复杂的异质性微环境，尤其在移行带（transition zone, TZ）病变和模棱两可的PI-RADS 3病例中诊断准确性受限。先进的多b值DWI模型通过量化非高斯弥散有望克服这一局限，然而，其在前列腺癌中的比较效用尚不明确，先前研究受限于小样本、孤立模型评估或亚组分析不足。为填补这一空白，研究人员系统比较了七种多b值DWI模型，旨在识别分区特异性预测因子并验证模型在不同MRI供应商间的稳健性。该论文发表在《Insights into Imaging》。
#### 关键技术与方法
研究人员采用回顾性设计，纳入238例患者：主要队列（n=162，含224个MRI可疑病灶）来自单一中心（2023年12月至2025年1月），使用Siemens MAGNETOM Skyra 3.0T扫描仪及ZOOMit序列（减场DWI）；独立跨供应商验证队列（n=76，含84个病灶）来自另一中心（2015年8月至2018年1月），使用GE Discovery MR750扫描仪及标准多b值DWI协议。两个队列均包括高达3000 s/mm2的高b值。拟合七种弥散模型（MEM、体素内不相干运动（IVIM）、弥散峰度成像（DKI）、拉伸指数模型（SEM）、分数阶微积分（FROC）、连续时间随机游走（CTRW）和IVIM-DKI），生成18个参数。两名放射科医师独立进行全病灶ROI勾画，并计算组内相关系数（intraclass correlation coefficient, ICC）确保稳健性（阈值≥0.80）。LASSO回归结合500次bootstrap重抽样筛选稳定参数，广义估计方程（generalized estimating equations, GEE）调整临床协变量后评估独立关联。多变量逻辑回归构建三个模型：临床模型（年龄、PSA密度（PSAD）、直肠指诊（DRE）状态、解剖分区、病灶体积、PI-RADS评分）、Clinical+ADC模型（加入MEM_ADC）、Clinical+Multib_DWI模型（加入LASSO筛选的稳定弥散参数）。采用ROC曲线、决策曲线分析（decision curve analysis, DCA）评估性能，并用ComBat调和法减少扫描仪间非生物效应。
#### 研究结果
**比较弥散参数**：所有弥散参数具有优秀观察者间一致性（ICC>0.80）。在224个病灶中，除IVIM-DKI_Dp、IVIM-DKI_f、CTRW_beta和FROC_beta外，其余参数在csPCa与非csPCa间均有显著差异（FDR校正后p<0.05）。MEM_ADC、IVIM-DKI_D、CTRW_alpha和FROC_D诊断性能最高（AUC分别为0.85、0.84、0.84、0.84）。
**按病灶位置和PI-RADS类别的亚组分析**：在外周带（PZ），MEM_ADC AUC最高（0.84）；在TZ，FROC_D和IVIM-DKI_D AUC最高（0.87）。对于PI-RADS 3病灶，MEM_ADC最佳（AUC=0.79）；对于PI-RADS 4-5病灶，CTRW_alpha最佳（AUC=0.82）。
**与Gleason分级的相关性**：在PZ，MEM_ADC与GG相关最强（ρ=?0.58, p<0.001）；在TZ，DKI_K相关最强（ρ=0.56, p<0.001）。其他9个参数（包括CTRW_alpha）表现出中度相关（|ρ|: 0.40–0.50, p<0.001）。
**稳定参数选择**：LASSO回归结合bootstrap识别出CTRW_alpha和MEM_ADC为最稳定参数，分别出现在95.6%和83.8%的迭代中。GEE分析显示，调整临床变量后，两者均为csPCa的独立预测因子（CTRW_alpha优势比（OR）=0.365, p=0.007；MEM_ADC OR=0.358, p=0.038）。
**模型构建与评估**：在测试集中，Clinical+Multib_DWI模型AUC（0.846）高于Clinical+ADC模型（0.797），但差异无统计学显著性（p>0.05）。多b值模型展现出更优的阴性预测值（negative predictive value, NPV）（0.88 vs. 0.77）和敏感性（0.91 vs. 0.80）。DCA表明，在阈值概率0.10–0.40范围内，Clinical+Multib_DWI模型净获益显著高于其他模型。
**在模棱两可的TZ PI-RADS 3病灶中的价值**：对于TZ PI-RADS 3病灶，IVIM_f区分PCa与良性病变最佳（AUC=0.79），而CTRW_alpha和FROC_D区分csPCa与非csPCa最佳（均为AUC=0.82）。多变量分析确认CTRW_alpha是PCa（p=0.008）和csPCa（p=0.004）的稳健独立预测因子。
**跨供应商稳健性评估**：ComBat调和后，除DKI_K外，17个参数在主要队列和验证队列间无显著差异。三个模型在跨供应商队列中保持稳定诊断性能：Clinical、Clinical+ADC、Clinical+Multib_DWI的AUC分别为0.74、0.84、0.88。Clinical+Multib_DWI模型在DCA中阈值概率>0.1时净获益最高。
#### 讨论与结论
讨论部分指出，MEM_ADC和CTRW_alpha作为互补生物标志物，其效能依赖于解剖位置：PZ中MEM_ADC最优（反映高斯弥散），而TZ中CTRW_alpha提供了优越价值（通过捕获非高斯弥散异常，尤其是细胞密集和基质杂乱环境中的亚弥散行为）。这与PZ均匀腺泡结构和TZ复杂基质-腺体相互作用的组织学差异一致。尽管多b值模型在AUC上未显著优于ADC模型，但DCA揭示了其在临界风险区（10%–40%概率）的更高临床净获益，有助于优化决策避免不必要的活检。跨供应商稳健性验证支持模型向常规临床的转化。研究局限性包括参考标准基于活检而非全载玻片病理、亚组样本量较小、手动分割和依赖均值参数可能忽略异质性，以及扫描时间延长和离线后处理等技术和流程障碍。
结论翻译：MEM_ADC和CTRW_alpha是csPCa的独立预测因子。虽然联合模型在AUC上较Clinical+ADC模型无统计学显著改善，但其提供了更优的NPV。重要的是，弥散指标的相对价值具有分区依赖性：MEM_ADC在PZ中信息量最大，而CTRW_alpha在TZ中发挥更大作用，提示临床实践中可能需要位置特异性的弥散模型应用。
