论文部分内容阅读
背景:前列腺癌是老年男性最常见的泌尿系统恶性肿瘤,同时也是全球排名前五的肿瘤致死原因。根治性前列腺切除手术是治疗前列腺癌主要且有效的方法之一,但手术后仍有出现切缘阳性的可能,进而影响患者的预后和治疗策略。因此,如能在术前有效辨别术后切缘阳性的危险因素并建立预测模型,根据预测风险的不同提供最合理的治疗方案将为减少术后切缘阳性起到重要作用。既往研究中主要探讨PSA衍生物、穿刺中Gleason评分等与术后切缘阳性关系,讨论MRI相关影像特点及穿刺阳性针数比对术后切缘阳性的预测价值的研究较少,且研究多停留于高危因素的分析,未构建基于危险因素的预测模型。基于目前情况,我们尝试探讨MRI相关影像特点及穿刺阳性针数与术后切缘阳性的关系。为此,我们邀请一名从事磁共振阅片10年以上的放射科医师再次阅读MRI,找出可描述肿瘤负荷的影像特点以评价MRI因素对术后切缘阳性的影响。同时,紧跟目前应用机器学习算法挖掘临床数据关系的研究方向,采用贝叶斯网络建立切缘阳性预测模型,并与同组数据建立的列线图模型相比较,评价贝叶斯预测模型的准确性及实用价值。目的:分析根治性前列腺切除术后切缘阳性的独立危险因素,评估基于贝叶斯网络的根治性前列腺切除术后切缘阳性预测模型的预测价值。方法:回顾性分析2018年6月至2021年5月于青岛大学附属医院接受经腹腔途径腹腔镜下根治性前列腺切除术或机器人辅助下根治性前列腺切除术的238例患者的临床资料。根据术后病理结果分为术后切缘阳性组和切缘阴性组,纳入两组的一般临床资料、PSA衍生指标、穿刺因素及MRI影像特点等作为预测变量并进行单因素及多因素分析,单因素分析采用Log-rank检验,多因素分析使用Cox回归检验,建立基于独立预测因素的列线图模型。然后应用Bayesia Lab软件基于15个预测变量建立树增益（tree augmented naive,TAN）和朴素贝叶斯模型,利用Bayesia Lab验证函数,对预测变量进行先验概率统计分析,以术后切缘阳性为目标变量,剩余变量为属性变量进行后验分析,根据后验分析的结果,对多态Birnbaum的重要性进行分析计算,并给出各属性变量的重要性排序。最后利用受试者工作特征曲线及曲线下面积（area under curve,AUC）评价三种模型预测效果的优劣。结果:纳入研究的238例患者中术后切缘阳性患者共103例,阳性率为43.3%。其中尖部切缘阳性患者53例（51.5%）,基底部切缘阳性患者12例（11.7%）,≥2处切缘阳性患者38例（36.9%）。术后切缘阳性患者1年内出现生化复发共35例,占比34.0%（35/103）;术后切缘阴性患者1年内出现生化复发的患者共8例,占比5.9%（8/135）。单因素分析:PSA衍生指标中TPSA（P=0.08）、PSAD（P=0.02）;穿刺组织的Gleason评分（P=0.002）、穿刺阳性针数比（P＜0.001）;MRI中的术前分期（P＜0.001）、异常信号位置（P=0.002）、异常信号部位（P=0.009）与术后切缘阳性有统计学意义。多因素分析:临床分期（OR=3.645,95%CI 11.401～9.482,p=0.006）、阳性针数比（OR=4.970,95%CI 2.448～10.090,P＜0.001）为术后切缘阳性的独立预测因素。依据独立预测因素建立的列线图模型的AUC是73.80%;基于15个预测变量的朴素贝叶斯模型的AUC是82.71%;TAN贝叶斯模型的AUC是80.80%。贝叶斯重要度分级中临床分期、穿刺阳性针数比位于第一重要度区间,PSAD位于第二重要度区间,异常信号位置、Gleason评分、TPSA、异常信号部位、PI-RADS评分位于第三重要区间。结论:1.临床分期、阳性针数比是根治性前列腺切除术后切缘阳性的独立预测因素;2.mpMRI影像特征对术后切缘阳性有较好的预测作用,术前完善MRI检查并分析其特征,有利于更好地评估切缘阳性的发生概率;3.贝叶斯重要度分级中,临床分期、阳性针数比位于第一重要度区间,与多因素分析中独立预测因素结果相同;PSAD位于第二重要度区间,异常信号位置、Gleason评分、TPSA、异常信号部位、PI-RADS评分位于第三重要区间。这与单因素中的具有统计学意义的因素相同。证明基于贝叶斯网络的重要度分级可作为评价预测变量相关性的一种工具,与单因素、多因素分析相比,其更加简便直观;4.TAN贝叶斯模型证明预测因素中PSAD与F/TPSA、TPSA及阳性针数比相关,阳性针数比与临床分期相关,肿瘤最大横径与异常信号位置、异常信号部位、PI-RADS评分相关;5.基于贝叶斯网络的根治性前列腺切除术后切缘阳性预测模型优于列线图预测模型,具有较高的准确性,可作为预测根治性前列腺切除术后切缘阳性的一种方法。