前立腺健康指数とマルチパラメトリックMRIを使用して、臨床的に重要な前立腺がんを予測するための新しいノモグラムの開発

はじめに：前立腺生検では、マルチパラメトリック磁気共鳴画像（MPMRI）および前立腺健康指数（PHI）が臨床的に重要な前立腺癌（CSPCA）の予測を許可しました。 方法：CSPCAの可能性を予測するために、PHIとMPMRIを含む多変量モデルに基づいてノモグラムを作成しました。前立腺生検が予定されていた315人の男性を評価しました。 結果：前立腺イメージングレポートとデータシステムバージョン2（PI-RADS V2）を使用して、生検前にMPMRIを評価し、PHIテストを最適化しました。単変量解析により、CSPCAは、カットオフ値が77.77、PHID 2.36、PI-RADSが最良のしきい値としてPI-RadsのPHIによって識別される可能性があることが示されました。CSPCAを予測するための多変数ロジスティックモデルは、PI-RAD、遊離PSA（FPSA）、PHI、および前立腺容積を使用して開発されました。PI-RAD、FPSA、PHI、および前立腺容積を含む多変量モデルは、最高の精度を持っていました（AUC：0.882）。ノモグラムの臨床的適用性を検証するために実施された決定曲線分析（DCA）は、理想的な利点を示しました（PI-RADのみを含むモデルよりも13.35％高く）。 議論：結論として、PHIとMPMRIに基づくノモグラムは、不必要な生検を可能な限り避けながらCSPCAを予測するための貴重なツールです。

INTRODUCTION: On prostate biopsy, multiparametric magnetic resonance imaging (mpMRI) and the Prostate Health Index (PHI) have allowed prediction of clinically significant prostate cancer (csPCa). METHODS: To predict the likelihood of csPCa, we created a nomogram based on a multivariate model that included PHI and mpMRI. We assessed 315 males who were scheduled for prostate biopsies. RESULTS: We used the Prostate Imaging Reporting and Data System version 2 (PI-RADS V2) to assess mpMRI and optimize PHI testing prior to biopsy. Univariate analysis showed that csPCa may be identified by PHI with a cut-off value of 77.77, PHID with 2.36, and PI-RADS with 3 as the best threshold. Multivariable logistic models for predicting csPCa were developed using PI-RADS, free PSA (fPSA), PHI, and prostate volume. A multivariate model that included PI-RADS, fPSA, PHI, and prostate volume had the best accuracy (AUC: 0.882). Decision curve analysis (DCA), which was carried out to verify the nomogram's clinical applicability, showed an ideal advantage (13.35% higher than the model that include PI-RADS only). DISCUSSION: In conclusion, the nomogram based on PHI and mpMRI is a valuable tool for predicting csPCa while avoiding unnecessary biopsy as much as possible.