目的建立前列腺癌弥散加权成像（DWI）与非影像学指标结合的Logistic回归预测模型,评估患者前列腺癌发病的可能性,以便后续诊断方法的选择和分析。方法回顾性分析114例2012年1月—2013年6月在复旦大学附属肿瘤医院先后行DWI和经直肠超声引导下前列腺穿刺活检患者的资料,其中前列腺癌患者70例、非肿瘤患者44例。应用DWI影像评价患者前列腺癌发病率,按危险高低行前列腺影像报告和数据系统（PI-RADS）评分（由低到高依次为1~5分）。随机抽取一半患者分入建模组,其余分入验证组。分析建模组中良恶性病例年龄、前列腺特异性抗原（PSA）、游离PSA与总PSA比值（f/tPSA）、肛门指检（DRE）、PI-RADS分级等指标的差异,选取有统计学差异的指标为考察变量,以穿刺病理是否为前列腺癌为应变量,建立两项Loglstic回归模型。A：非影像学指标＋PI-RADS;B：只含非影像学指标。利用验证组病例数据建立Loglstic回归模型和PI-RADS预测概率的受试者工作特征（ROC）曲线,分析其相应的灵敏度、特异度,确定最佳界值。结果良恶性患者PSA、f/tPSA、DRE及PI-RADS分级有显著统计学意义（P〈0.05）,纳入考察变量。前列腺癌Logistic回归预测模型建立如下：A：LogitP=-6.18＋0.0006PSA＋1.73DRE-8.01f/tPSA＋1.3PI-RADS;B：LogitP=-0.095＋0.0467PSA＋1.88DRE-7.3959f/tPSA。应用A模型预测验证组的穿刺结果,ROC曲线的曲线下面积（AUC）为0.902,明显高于单独使用DWIPI-RADS分级（0.835）和临床指标（0.751）。A、B模型最佳灵敏度和特异度分别为86.4%、80.0%,90.9%、62.9%;PI-RADS分级最佳灵敏度和特异度为63.6%和94.3%。结论联合PSA、f/tPSA、DRE及PI-RADS这4个指标,利用Logistic回归预测模型有助于评估个体患前列腺癌的可能性,准确率较高,为可疑前列腺癌患者行前列腺穿刺提供了更充分的依据。
