Page 93 - 南京医科大学自然版
P. 93

第46卷第9期       李奕博，于     磊，丁 磊，等. 基于mp⁃MRI和临床特征构建前列腺癌根治术的切缘预测模型［J］.
                  2026年9月                     南京医科大学学报（自然科学版），2026，46（9）：1356-1365                      ·1363 ·


                        A                                           B
                             1.0                Nomogram model          1.0                Nomogram model
                                                All                     0.8                All
                            Standardized net benefit  0.6               Standardized net benefit  0.6
                             0.8
                                                                                           None
                                                None

                                                                        0.4
                             0.4
                             0.2
                              0                                         0.2 0
                               00    0.2  0.4  0.6  0.8  1.0               00   0.2  0.4   0.6  0.8  1.0
                                       High⁃risk threshold                         High⁃risk threshold
                               1∶100  1∶4  2∶3  3∶2  4∶1 100∶1             1∶100  1∶4  2∶3  3∶2  4∶1  100∶1
                                        Cost⁃benefit ratio                          Cost⁃benefit ratio
                   Nomogram model：Net benefit curve for decisions made using the nomogram model；All：Net benefit curve for intervening in all patients；None：Net
                benefit curve for intervening in no patients.
                                         图5 预测模型在训练集及（A）和验证集（B）中的DCA曲线
                        Figure 5 Decision curve analysis of the predictive model in the training set（A）and the validation set（B）


                练集中进行单因素Logistic回归分析筛选，将有边缘                       在队列中罕见，使数据呈现稀疏性。完成逐步回归
                统计学意义（P < 0.1）的变量视为潜在预测变量保留，                      后剩余的 6 个变量均具有统计学意义，然而雌二醇
                包括：年龄、PSAD、雌二醇、Gleason评分、PI⁃RADS 评                尽管展现了统计学显著关联，但是研究对于向后剔
                分、病灶数目、与包膜的关系、精囊的关系、可疑淋                           除的标准定为逐个剔除无统计学显著性的自变量，
                巴结转移、可疑骨转移。选择保留有边缘统计学意                            即 P > 0.01 的自变量，因此将此变量剔除。且雌二
                义而不是有显著统计学意义变量的目的是避免遗                             醇 OR 值仅为 1.005，可以认为这一关联缺乏临床意
                漏掉重要的变量，一部分重要变量会在控制了其他                            义。在完成全部变量筛选后的 5 个变量均表现出
                变量后显示出独立且显著的作用。单因素分析的结                            显著统计学意义。其中 PSAD、PI⁃RADS 评分、病灶
                果显示不具有边缘统计学意义的6个变量中，f/t PSA、                      数目、与包膜的关系 4 个变量的 OR 值明显或较明
                NSE、睾酮、压迫膀胱 4 个变量的 OR 值均接近 1，因                    显的>1，可以认为是切缘阳性的独立危险因素。而
                此将这些变量剔除。而解剖学定位、组织学定位的                            可疑淋巴结转移的 OR 值明显<1，提示是切缘阳性
                OR值与1偏离较大，尤其是解剖学定位中的中部和                           的保护因素，这可能是因为发生淋巴结转移属于
                底部亚分组 OR 值达到 1.996，说明解剖学定位存在                      IVA期，此时会引起临床决策的剧烈改变，此信息会
                潜在的预测价值，尽管此次研究中需要将此变量剔                            推动临床医生完善相关检查，确诊为淋巴结转移的
                除，但仍提示可以通过改变亚分组如改成二分类变                            患者基本不会接受 RP 手术，因此 RP 患者中提示可
                量或许可以发掘解剖学定位的预测价值。随后进                             疑淋巴结转移大多为假阳性，因此变量在本模型中
                行了多因素 Logistic 回归分析，结果显示除年龄、                      表现为切缘阳性的保护因素。
                Gleason 评分、与精囊的关系、可疑骨转移外的 6 个                         基于筛选后的预测因子：PSAD、PI⁃RADS评分、
                变量均有显著统计学意义。在较多变量无显著统                             病灶数目、与包膜的关系、可疑淋巴结转移绘制列
                计学意义的情况，使用向后法逐步回归，按重要性                            线图，建立了 RP 术后 PSM 情况的预测模型。绘制
                逐个剔除无显著统计学意义的自变量，依次剔除精囊                           ROC 曲线后结果示训练集和验证集的 AUC 分别为
                可疑累及、Gleason 评分、可疑骨转移、年龄等变量。                      0.897（95%CI：0.874~0.921）、0.841（95%CI：0.793~
                其中精囊可疑累及、Gleason评分具有较高的P值和                        0.888），说明模型在训练集上的有优秀的区分能力，
                接近1的OR值，年龄虽然P值较小，但是OR值接近                          在验证集上依然保持了良好的区分能力。绘制训
                1，可以基本认为在训练集中不存在关联性。而可                            练集和验证集的校准曲线，两个队列内校准曲线
                疑骨转移的 OR 值达到了 2.979，说明该变量的分布                      均紧贴理想对角线，MAE 分别为 0.011、0.009，结果
                极不均匀，这可能是因为大多数 mp⁃MRI 提示可疑                        表明模型有精准的概率预测能力，未表现出明显
                骨转移的患者并不会直接接受RP 治疗导致此变量                           过拟合，且具有较好的泛化能力。最后绘制了
   88   89   90   91   92   93   94   95   96   97   98