新型關(guān)聯(lián)規(guī)則模型對(duì)PSA灰區(qū)前列腺癌的預(yù)測(cè)價(jià)值

[Abstract]Objective：BycreatinganewassociationrulemodelbasedonclinicaldatasuchasProstate ImagingReporting andDataSystemversion2.1（PI-RADSV2.1）score，toevaluatetheeficiencyof themodelforpredictingprostatecancer（PCa） intheprostate-specificantigen（PSA）greyzone.Methods：Atotalof1OoOpatientswithprostatediseasewereretrospectively colected.Thepatientswererandomlydividedintoamodelinggroup（70cases）andavalidationgroup（30Ocases）.The asociationruleanalysiswasperformedontheclinicaldataofthemodelinggroup，takingtheclinicaldatasuchasPI-RADS V2.1scoreastheantecedentandCaastheconsequent，teefectivestrongasociationruleswerecalculatedandthepredictive model wascreated.Thecalibrationperformancewasasssedusing thecalibrationcurve.Internalvalidationwasalso performed.ROCcurvewasusedtoanalyzetheAUCofthemodelforpredictingPCa.Externalvalidationwasalsoperformed. Results：Thepredictionresultsof thenewasociationrule modelshowedthattheincidenceof PCawas79%whenPI-RADS V2.1 score ≥3points，age≥7Oyears，prostatevolumelt;50mL，andtotalPSA（tPSA）≥7ng/mL.Theinternal validationshowed thattheconcordanceindex（C-index）of the modelwasO.762（95%CI0.639-0.810），andtherewasagoodconsistency betweenthepredictedandobservedvaluesonthecalibrationcurve.TheAUCofthemodelforpredictingPCawas0.893， which washigherthanthePI-RADSV2.1score（0.831），age（0.686），prostatevolume（0.722），and tPSA（0.634）.Theexternal validationshowedthattheAUCofthemodelforpredictingPCainthevalidationgroupwasO.884.Theresultwasingod agreement with theROC curveof the modeling group，and thedifference was not statistically significant （ χ^∠ =8.098，Pgt;0.05）. ThepredictionperformanceofthemodelforPCaindiferentprostateregionscouldmettheclinicalrequirements.Conclusions： Thenewassociationrulemodelbasedon clinicaldatasuch asPI-RADSV2.1score shows favorableperformance in predicting PCa and has potential clinical application value.

[Keywords]Prostate Imaging ReportingandData Systemversion2.1;Assciationruleanalysis;Prostatespecificantigen; Greyarea;Prostatecancer;Forecast

前列腺癌是發(fā)生于前列腺上皮的惡性腫瘤，是男性泌尿生殖系統(tǒng)最常見(jiàn)的惡性腫瘤[1-3]。隨著醫(yī)療技術(shù)水平的提高，各期前列腺癌的治療均取得較理想的效果，晚期5年生存率達(dá) 80%^[4-7] ，其預(yù)測(cè)準(zhǔn)確率越高，療效越理想[8-9]。近年來(lái)，基于各類臨床資料的前列腺癌預(yù)測(cè)技術(shù)的敏感度和特異度均顯著升高[10-12]，其中前列腺影像報(bào)告和數(shù)據(jù)系統(tǒng)2.1版（Prostate Imaging Reporting and Data Systemversion2.1，PI-RADSV2.1）評(píng)分具有重要參考價(jià)值[13-15]。另外，前列腺特異性抗原（prostate specificantigen，PSA）也是一項(xiàng)影響預(yù)測(cè)結(jié)果的重要指標(biāo)，但其處于灰區(qū) ，預(yù)測(cè)準(zhǔn)確率不理想，處于灰區(qū)時(shí)可能是炎癥、增生或前列腺癌等[13-15]，需穿刺活檢復(fù)查。目前，有研究采用基于PI-RADSV2.1等臨床資料構(gòu)建的列線圖模型預(yù)測(cè)PSA灰區(qū)前列腺癌，結(jié)果較理想。而有關(guān)關(guān)聯(lián)規(guī)則模型預(yù)測(cè)PSA灰區(qū)前列腺癌的研究極少。本研究探討關(guān)聯(lián)規(guī)則模型在PSA灰區(qū)前列腺癌預(yù)測(cè)中應(yīng)用的可行性，并評(píng)估預(yù)測(cè)效能，報(bào)道如下。

1資料與方法

1.1一般資料

回顧性分析我院2018年2月至2024年2月收治的前列腺疾病患者。納入標(biāo)準(zhǔn)： ①?18 周歲； ② 臨床資料完整； ③ 患前列腺炎癥、增生或惡性腫瘤中的1種; ④PSA 值為 4～10ng/mL 。排除標(biāo)準(zhǔn)： ① 多種前列腺疾病史、治療史； ② 存在其他惡性腫瘤病史；③ 前列腺M(fèi)RI圖像質(zhì)量低，無(wú)法用于PI-RADSV2.1評(píng)分； ④ 無(wú)前列腺病理確診結(jié)果。最終納入 1000 例，采用抽簽法隨機(jī)分為建模組（700例）和驗(yàn)證組（300例）。本研究經(jīng)醫(yī)院倫理委員會(huì)批準(zhǔn)（批號(hào)：202402003），患者知情同意。

收集的臨床資料包括年齡、卡氏評(píng)分（KPS）、BMI;PI-RADSV2.1評(píng)分、前列腺體積（prostatevolume，PV）;總PSA（tPSA）、游離PSA（fPSA）游離/總PSA（fPSA/tPSA）、PSA密度（PSAD）；直腸指檢結(jié)果、前列腺病理結(jié)果。計(jì)算公式： PV= 最大前后徑 × 最大左右徑 × 最大上下徑 ×0.52^[13-15] ; PSAD 1= tPSA/PV;前列腺病理結(jié)果和格里森評(píng)分（Gleasonscore，GS）通過(guò)經(jīng)直腸超聲引導(dǎo)下穿刺活檢（ 10+X 法，即將前列腺體分為10個(gè)區(qū)分別穿刺1針，可疑區(qū)“X\"穿刺 1～ 2針）獲取。由于關(guān)聯(lián)規(guī)則預(yù)測(cè)模型基于二分類資料創(chuàng)建，因此對(duì)臨床資料中的連續(xù)資料行二分類處理[16-17]

1.2 MRI掃描

采用GE SIGNA Voyager 3.0T MRI掃描儀。T₂WI 序列掃描參數(shù)：TR 6000ms ，TE 100ms ，視野240mm×240mm ，矩陣 320×320 ，層厚 4mm ，層距1mm 。DWI序列掃描參數(shù)：TR 5000ms ，TE 75ms ，視野 240mm×240mm ，矩陣 100×100 ，層厚 4mm 層距 1mm，b 值取 0.1000，1500s/mm² 。

1.3 PI-RADSV2.1評(píng)分

由2位影像診斷主任醫(yī)師按照PI-RADSV2.1標(biāo)準(zhǔn)對(duì)MRI圖像進(jìn)行審閱和評(píng)分。前列腺移行帶診斷以 T₂WI 為主導(dǎo)、DWI次之，前列腺外周帶診斷以DWI為主導(dǎo)、 ??T₂WI 次之，前列腺移行帶和外周帶均需診斷時(shí)以 T₂WI 和DWI評(píng)分高者為主導(dǎo)。2位醫(yī)師的一致性行Kappa分析， K?0.4 時(shí)由1位泌尿外科主任醫(yī)師進(jìn)行診斷作為最終結(jié)果。

1.4 關(guān)聯(lián)規(guī)則

預(yù)測(cè)模型創(chuàng)建采用Python語(yǔ)言編制關(guān)聯(lián)規(guī)則算法（FP-Growth）。參考既往研究[12-17]，創(chuàng)建建模組患者臨床資料二分類集合。采用FP-Growth算法首次掃描集合后確定頻繁一項(xiàng)集。采用投影和迭代算法對(duì)頻繁一項(xiàng)集進(jìn)行處理，對(duì)處理結(jié)果行降序排列后創(chuàng)建條件模式基列表T。采用FP-Growth算法對(duì)條件模式基列表T再次掃描后創(chuàng)建FP-Tree和頻繁項(xiàng)集。

設(shè)置支持度（S）閾值為0.50，篩選頻繁項(xiàng)集。設(shè)置置信度 （C） 閾值為0.50，基于頻繁項(xiàng)集篩選強(qiáng)關(guān)聯(lián)規(guī)則。設(shè)置提升度 （L） 閾值為2.00，計(jì)算強(qiáng)關(guān)聯(lián)規(guī)則的有效性。前項(xiàng)設(shè)置為PI-RADSV2.1評(píng)分等二分類臨床資料，后項(xiàng)設(shè)置為前列腺癌。

1.5統(tǒng)計(jì)學(xué)分析

使用SPSSModeler18.0軟件。計(jì)量資料以 表示，組間比較行獨(dú)立樣本t檢驗(yàn)。計(jì)數(shù)資料以例 （%） 表示，組間比較行 χ² 檢驗(yàn)。內(nèi)部驗(yàn)證采用Bootstrap自抽樣法和校正曲線評(píng)價(jià)關(guān)聯(lián)規(guī)則預(yù)測(cè)模型質(zhì)量。外部驗(yàn)證采用ROC曲線分析關(guān)聯(lián)規(guī)則模型預(yù)測(cè)前列腺癌的AUC。曲線擬合優(yōu)度分析行Hosmer-Lemeshow檢驗(yàn)。采用DeLong檢驗(yàn)評(píng)價(jià)關(guān)聯(lián)規(guī)則模型預(yù)測(cè)建模組和驗(yàn)證組前列腺癌的AUC差異。以 Plt;0.05 為差異有統(tǒng)計(jì)學(xué)意義。

2結(jié)果

2.1 2組臨床資料比較

1000例患者平均年齡 （74.68±5.32） 歲，GS平均 （7.22±1.53） 分。建模組和驗(yàn)證組臨床資料比較差異均無(wú)統(tǒng)計(jì)學(xué)意義（均 Pgt;0.05 （表1），具有可比性。

2.2關(guān)聯(lián)規(guī)則預(yù)測(cè)模型頻繁項(xiàng)集

建模組臨床資料集合中頻繁二項(xiàng)集為6862項(xiàng)，頻繁三項(xiàng)集為3269項(xiàng)，頻繁四項(xiàng)集為1433項(xiàng)，頻繁五項(xiàng)集為492項(xiàng)，頻繁六項(xiàng)集為92項(xiàng)。

通過(guò)掃描建模組全部頻繁項(xiàng)集，最終獲得有效強(qiáng)關(guān)聯(lián)規(guī)則9項(xiàng)（表2）。前項(xiàng)分別為PI-RADSV2.1評(píng)分 ?3 分、年齡 ?70 歲 時(shí)，前列腺癌發(fā)生率分別為 58%.52%.51%.56% 前項(xiàng)同時(shí)具備PI-RADSV2.1評(píng)分 ?3 分、年齡 ?70 歲、PVlt;50mL，tPSA?7ng/mL 時(shí)，前列腺癌發(fā)生率最高 79% ），此模型將用于內(nèi)外部驗(yàn)證。PI-RADSV2.1評(píng)分 ?3 分和 出現(xiàn)頻率最高，均為27.78% ，兩者總占達(dá) 55.56% ○

表1建模組與驗(yàn)證組臨床資料比較

注：KPS為卡氏評(píng)分，PI-RADSV2.1為前列腺影像報(bào)告和數(shù)據(jù)系統(tǒng)2.1版，PV為前列腺體積，tPSA為總前列腺特異性抗原，fPSA為游離PSA，PSAD為PSA密度。

例 （%）

表2有效強(qiáng)關(guān)聯(lián)規(guī)則結(jié)果

注：PI-RADSV2.1為前列腺影像報(bào)告和數(shù)據(jù)系統(tǒng)2.1版，PV為前列腺體積，tPSA為總前列腺特異性抗原，S為支持度，代表某項(xiàng)或某幾項(xiàng)臨床資料出現(xiàn)的頻率; C 為置信度： L 為提升度。

2.3關(guān)聯(lián)規(guī)則模型驗(yàn)證

本研究以單項(xiàng)臨床資料PI-RADSV2.1評(píng)分 ? 3分、年齡 ?70 歲 為參照，針對(duì)前列腺癌發(fā)生率最高的預(yù)測(cè)模型行內(nèi)、外部驗(yàn)證。

內(nèi)部驗(yàn)證：經(jīng)Bootstrap自抽樣法對(duì)建模組重復(fù)抽樣200次后，基于PI-RADSV2.1評(píng)分 ?≥3 分、年齡≥70歲 Δ.PVlt;50mLΩ，tPSA?7ng/mL 的關(guān)聯(lián)規(guī)則模型預(yù)測(cè)前列腺癌的一致性指數(shù)為0.762（ 95%CI 0.639～

0.810），閾值 gt;0.25 。校準(zhǔn)曲線顯示，預(yù)測(cè)值與觀測(cè)值一致性較好（圖1）。關(guān)聯(lián)規(guī)則模型預(yù)測(cè)建模組前列腺癌的AUC為0.893（圖2），高于PI-RADSV2.1評(píng)分（0.831）、年齡（0.686）、PV（0.722）、tPSA（0.634）。

外部驗(yàn)證：關(guān)聯(lián)規(guī)則模型預(yù)測(cè)驗(yàn)證組前列腺癌AUC為0.884（圖2），與建模組R0C曲線擬合結(jié)果較理想 （χ²=8.098，Pgt;0.05） 。DeLong檢驗(yàn)顯示，關(guān)聯(lián)規(guī)則模型預(yù)測(cè)建模組和驗(yàn)證組前列腺癌的AUC差異均無(wú)統(tǒng)計(jì)學(xué)意義（ ΔPgt;0.05 ）。

圖1關(guān)聯(lián)規(guī)則預(yù)測(cè)模型校正曲線圖2關(guān)聯(lián)規(guī)則模型預(yù)測(cè)建模組和驗(yàn)證組前列腺癌的ROC曲線

2.4關(guān)聯(lián)規(guī)則模型的進(jìn)一步應(yīng)用

建模組415例中，外周帶290例、移行帶32例、中央帶93例；驗(yàn)證組175例中，外周帶122例、移行帶13例、中央帶40例。將建模組和驗(yàn)證組的腫瘤分布補(bǔ)充至原臨床資料集合后重新創(chuàng)建關(guān)聯(lián)規(guī)則預(yù)測(cè)模型。應(yīng)用關(guān)聯(lián)規(guī)則模型進(jìn)一步預(yù)測(cè)了建模組和驗(yàn)證組患者位于外周帶、移行帶、中央帶3個(gè)部位的前列腺癌，并比較AUC。關(guān)聯(lián)規(guī)則模型預(yù)測(cè)建模組和驗(yàn)證組3個(gè)部位前列腺癌的擬合均較理想（均 Pgt; 0.05），AUC差異均無(wú)統(tǒng)計(jì)學(xué)意義（均 Pgt;0.05 ），預(yù)測(cè)效能均能滿足臨床要求（表3）。

表3關(guān)聯(lián)規(guī)則模型進(jìn)一步預(yù)測(cè)外周帶、移行帶、中央帶前列腺癌的AUC及Hosmer-Lemeshow檢驗(yàn)、DeLong檢驗(yàn)結(jié)果

3討論

針對(duì)PSA灰區(qū)前列腺癌的預(yù)測(cè)資料已由早期的直腸指檢和單項(xiàng)臨床資料，發(fā)展到現(xiàn)在的影像組學(xué)、PI-RADSV2.1評(píng)分和多種PSA衍生檢驗(yàn)指標(biāo)等綜合臨床資料，提高了預(yù)測(cè)敏感度和特異度[18-23]。同時(shí)，預(yù)測(cè)模型也由傳統(tǒng)的logistic回歸預(yù)測(cè)模型，發(fā)展至列線圖等機(jī)器學(xué)習(xí)模型，使結(jié)果可視化、全面化。本研究基于PI-RADSV2.1評(píng)分等多項(xiàng)臨床資料，創(chuàng)建了新型關(guān)聯(lián)規(guī)則預(yù)測(cè)模型并取得了較理想的結(jié)果。

本研究中關(guān)聯(lián)規(guī)則預(yù)測(cè)模型與列線圖預(yù)測(cè)模型的相似之處： ① 納入的臨床資料基本一致。 ② 前列腺癌影響因素除PSAD外基本一致，多數(shù)列線圖研究發(fā)現(xiàn)PI-RADSV2.1評(píng)分、年齡、PV、tPSA是前列腺癌的獨(dú)立危險(xiǎn)因素。 ③ 突出了PI-RADSV2.1評(píng)分在預(yù)測(cè)前列腺癌中的重要性。有研究發(fā)現(xiàn)，PI-RADSV2.1評(píng)分預(yù)測(cè)前列腺癌的AUC分別為0.854、0.816，均高于其他臨床資料[12-13]。本研究PI-RADS V2.1評(píng)分的AUC亦高于其他臨床資料，且其在有效強(qiáng)關(guān)聯(lián)規(guī)則結(jié)果中出現(xiàn)的頻率高于除tPSA之外的其他臨床資料，說(shuō)明PI-RADSV2.1評(píng)分對(duì)特定PSA值前列腺癌預(yù)測(cè)的重要性。 ④ 基于綜合臨床資料的預(yù)測(cè)結(jié)果較一致，張晶等[12]研究發(fā)現(xiàn)，當(dāng)患者臨床資料相似時(shí)列線圖總分為131分，前列腺癌發(fā)生率為 75% ，與關(guān)聯(lián)規(guī)則預(yù)測(cè)模型結(jié)果高度一致。

關(guān)聯(lián)規(guī)則預(yù)測(cè)模型具有以下優(yōu)勢(shì)： ① 不存在數(shù)據(jù)平衡性問(wèn)題。列線圖預(yù)測(cè)模型是一種基于logistic回歸分析的可視化模型，當(dāng)分組內(nèi)數(shù)據(jù)差異較大時(shí)，數(shù)據(jù)失衡會(huì)降低預(yù)測(cè)結(jié)果的準(zhǔn)確率。關(guān)聯(lián)規(guī)則預(yù)測(cè)模型因FP-Growth算法在掃描臨床資料集合時(shí)剔除了非前列腺癌，不存在數(shù)據(jù)失衡問(wèn)題，預(yù)測(cè)結(jié)果更科學(xué)可靠。 ② 結(jié)果更全面。列線圖預(yù)測(cè)模型通過(guò)多種因素聯(lián)合預(yù)測(cè)獲得結(jié)果，但結(jié)果相對(duì)單一。本研究中，關(guān)聯(lián)規(guī)則預(yù)測(cè)模型給出了臨床資料間多種組合形式和相應(yīng)結(jié)果。表2中序號(hào)5～8對(duì)應(yīng)的前列腺癌發(fā)生率為 66%～68% ，同樣具有一定的臨床研究?jī)r(jià)值。針對(duì)不同臨床資料組合的患者，關(guān)聯(lián)規(guī)則預(yù)測(cè)模型更有普適性。 ③ 結(jié)果更具邏輯性。作為一種邏輯算法，F(xiàn)P-Growth算法能算出表2中5～9號(hào)組合所對(duì)應(yīng)前列腺癌的發(fā)生率。而列線圖預(yù)測(cè)模型不具備該功能。

關(guān)聯(lián)規(guī)則預(yù)測(cè)模型具有以下不足： ① 臨床資料二分類化。由于FP-Growth算法無(wú)法掃描連續(xù)變量，因此需將全部臨床資料二分類化，可能影響結(jié)果的科學(xué)性。 ② 結(jié)果不具有可視性。關(guān)聯(lián)規(guī)則模型預(yù)測(cè)結(jié)果無(wú)法通過(guò)累積評(píng)分評(píng)價(jià)和比較，也無(wú)法通過(guò)圖片或線條展示。后續(xù)研究結(jié)合其他機(jī)器學(xué)習(xí)方法（如隨機(jī)森林圖等）可能會(huì)彌補(bǔ)關(guān)聯(lián)規(guī)則預(yù)測(cè)模型的不足。 ③ 納人的臨床資料仍需完善。

綜上所述，新型關(guān)聯(lián)規(guī)則模型在PSA灰區(qū)前列腺癌預(yù)測(cè)中應(yīng)用具有一定的科學(xué)性和可行性，能為PSA灰區(qū)前列腺癌的預(yù)測(cè)提供參考。

[參考文獻(xiàn)]

[1]HAMMCA，BAUMGARTNERGL，BIESSMANNF，etal.uttpitanng prostate cancer diagnosis at MRI[J]. Radiology，2023， 307（4）：e222276.

[2]CONNOR M J，GORIN M A，ELDREDOEVANS D，et al.Landmarks in the evolution of prostate biopsy[J]. Nat Rev Urol，2023，20（4）：241-258.

[3]LI Y，DAN S，YANG F，et al.Prostate tuberculosis mimicking prostate cancer：case report and literature review [J].Medicine（Baltimore），2023，102（47）：e36172.

[4] UNTERRAINER L M，CALAIS J，BANDER N H. Prostatespecific membrane antigen：gateway to management of advanced prostate cancer[J]. Annu Rev Med，2024，75： 49-66.

[5]PELKA K，BODYS-PELKA A，KUNIKOWSKA J. Prostatespecific membrane antigen expression in intracranial lesions- a review of the primary，metastatic，and nonneoplastic lesions[J].Nucl Med Rev Cent East Eur，2023， 26：134-142.

[6]KIZILGOZV，KANTARCI M，TONKAZG，et al. Incidental findings on prostate MRI：a close look at the field of view in this anatomical region[J].Acta Radiol，2023， 64（4） ：1676-1693.

[7]POMYKALA K L，HERRMANN K，LALUMERA E，et al. Positive prostate-specific membraneantigen findings： howto interpret them[J]. Eur Urol Oncol，2023，6（2）： 113-115.

[8] DIAS A B，GHAI S. Prostate cancer diagnosis with microultrasound：what we know now and new horizons[J].Radiol Clin North Am，2024，62（1）：189-197.

[9]ROMANO L，NAPOLITANO L，CROCETTO F，et al. Prostate and gut：any relationship？ A narrative review on the available evidence and putative mechanisms[J]. Prostate，2024，84（6）：513-524.

[10] AVOLIO P P，LUGHEZZANI G，ANIDJAR M，et al. The diagnosticaccuracy of micro-ultrasound forprostate cancer diagnosis：a review[J].World JUrol，2023，41 （11） ：3267-3276.

[11]GIROMETTI R，GIANNARINI G，PERUZZI V，et al. MRI-informed prostate biopsy：what theradiologist should know on quality in biopsy planning and biopsy acquisition[J]. Eur JRadiol，2023，164：110852.

[12]張晶，李隴超，折霞，等．基于PI-RADSV2.1評(píng)分構(gòu)建 諾莫圖預(yù)測(cè)PSA灰區(qū)前列腺癌的價(jià)值研究[J].影像診 斷與介入放射學(xué)，2022，31（1）：8-13.

[13］張若弟，周云舒，劉世莉，等．基于 Bp -MRI的PI-RADSv2.1評(píng)分構(gòu)建列線圖預(yù)測(cè) PSA（4-20ng/mL 前列腺癌的診斷價(jià)值[J].磁共振成像，2023，14（10）：84-89.

[14」陳彤，魏超剛，張躍躍，等．基于多參數(shù)MRI影像組學(xué)結(jié)合PI-RADSV2.1和臨床指標(biāo)的新型列線圖預(yù)測(cè)臨床顯著性前列腺癌[J].臨床放射學(xué)雜志，2023，42（9）：1471-1477.

[15」陳麗華，劉愛(ài)連，郭妍，等.基于磁共振擴(kuò)散加權(quán)圖像的諾模圖在前列腺癌與前列腺增生鑒別診斷中的應(yīng)用及其診斷PI-RADS4分中前列腺癌的可行性［J].中國(guó)臨床醫(yī)學(xué)影像雜志，2019，30（12）：881-887.

[16]王晨宇，田龍，潘利民，等．基于關(guān)聯(lián)規(guī)則的互聯(lián)網(wǎng)醫(yī)療服務(wù)平臺(tái)在腫瘤患者診療管理中的應(yīng)用[J].中國(guó)衛(wèi)生質(zhì)量管理，2024，31（7）：55-58.

[17］張彩鳳，溫鴻毅，田龍.新型重癥監(jiān)護(hù)室患者轉(zhuǎn)出率關(guān)聯(lián)規(guī)則預(yù)測(cè)模型創(chuàng)建與預(yù)測(cè)效能比較［J].中國(guó)急救醫(yī)學(xué)，2025，45（2）：122-128.

[18]LI X，LI C，CHEN M. Patients with“gray zone”PSAlevels：application of prostate MRI and MRS in the di-agnosis of prostate cancer[J].J Magn Reson Imaging，2023，57（4）：992-1010.

[19]HAMDYFC，DONOVANJL，LANEJA，et al.Fifteen-yearoutcomesaftermonitoring，surgery，orradiotherapyforprostate cancer[J].N Engl J Med，2023，388（17）：

1547-1558.[20]YANG J，LI J，XIAO L，et al."⁶⁸"Ga-PSMA PET/CT-based multivariate model for highly accurate and non-invasive diagnosis of clinically significant prostate can-cer in the PSA gray zone[J].Cancer Imaging，2023，

23（1）：81.[21]TSUJINO T，TOKUSHIGES，KOMURA K，etal.Real-world survival outcome comparing abiraterone acetateplusprednisone and enzalutamide for nonmetastaticcastration-resistant prostate cancer[J].Cancer Med，

2023，12（19）：19414-19422.[22]LIN S，YU X，CHEN H，et al. Clinical efficacy of pros-tate PI-RADS V2.1 score combined with serum PSA-related indicators in the detection of gray zone pros-tate cancer[J]. Int Urol Nephrol，2023，55（11）：2685-

2693.[23]LIU F，SHI X，WANG F，et al.Evaluation and multi-institutional validation ofanovel urine biomarker ln-cRNA546 to improve the diagnostic specificity of pros-tate cancer in PSA gray-zone[J]. Front Oncol，2022，12：946060.

（收稿日期 2024-07-03）