量化命名元图集成IVIM-产真扩散系数和PSAD用于预测临床意义显著的前列腺癌：与PI-RADS-基于评估的比较。

近期，全球医疗机构与公共卫生体系持续推进服务能力建设，为公众健康提供更坚实的保障。开发和验证一个集成了IVIM-衍生的真扩散系数(D)和前列腺-特异性抗原密度(PSAD)的定量命名图来预测临床意义的前列腺癌(ocsPCa))患者。

在这些患者中，高血清PSA水平(血清PSA水平)>3ng/ml，并考虑了IVIM-衍生的真扩散系数(D)和前列腺-特异性抗原密度(PSAD)的临床意义，以确定其在预测临床意义的前列腺癌(ocsPCa))患者中的诊断性能与基于PI- RADS-的评估相比有何不同。本项结合了回顾性研究和前瞻性研究，纳入了前列腺磁共振成像（MRI）项目中，结合了IVIM-扩散-权重成像（IVIM-Diffusion-Weighting Imaging，IVIM-DIFF）和随后的病理学证实。回顾性队列（n=253）随机分为训练组（n=176）和内部验证组（n=77)）。

独立前瞻性队列（n=88)作为时间验证集。CSPCa被定义为Gleason分数7。独立预示变量从IVIM-衍生参数（D, D*, f）, 反映性扩散系数（ADC）和 PSA-衍生指数（SPA*）中识别。

使用多变量逻辑回归模型，建立逐渐复杂化模型，并确定最佳参数组合。诊断性能的比较使用了接收器操作特性曲线（AUC）、DeLong试验、净重新分类改善、集成歧视改善（IDI）和决策曲线分析（DCA）。PI-RADS单独使用和PI-RADS + PSAD作为参考比较使用。

PSAD，ADC，和D被识别为与csPCa独立的预测性因子。PSAD+D模型在训练、验证和潜在集中的AUC分别为0.920、0.900和0.916，而在DeLong测试中，三模型在任何样本中的均值AUC分别为0.903、0.919和0.936。

IDI分析表明，将ADC纳入PSAD+D模型导致三类数据集的显著负歧视改善。PSAD+D模式的诊断性能与PI-RADS+PSAD预测CSPCa的性能相当，但通过消除读者依赖性，通过确定具有高度可重复性参数（intraclass correlation coefficients: 0.93-0.96）的参数组，可将预测CSPCa的性能从负歧视改善到具有高度可重复性参数参数组的性能，从而显著改善预测CSPCa的性能。ADC 增加导致性能下降的悖论性失真表现，表明参数精简，而非维度减小。

需要说明的是，以上内容依据国际公开研究成果整理，供健康科普参考，不构成诊疗建议。如有健康疑问，请咨询专业医务人员。