When to biopsy Prostate Imaging and Data Reporting System version 2 (PI-RADSv2) assessment category 3 lesions? Use of clinical and imaging variables to predict cancer diagnosis at targeted biopsy
Notice bibliographique
Résumé
INTRODUCTION: We aimed to determine if clinical and imaging features can stratify men at higher risk for clinically significant (CS, International Society of Urological Pathology [ISUP] grade group ≥2) prostate cancer (PCa) in equivocal Prostate Imaging and Data Reporting System (PI-RADS) category 3 lesions on magnetic resonance imaging (MRI). METHODS: Approved by the institutional review board, this retrospective study involved 184 men with 198 lesions who underwent 3T-MRI and MRI-directed transrectal ultrasound biopsy for PI-RADS 3 lesions. Men were evaluated including clinical stage, prostate-specific antigen density (PSAD), indication, and MRI lesion size. Diagnoses for all men and by indication (no cancer, any PCa, CSPCa) were compared using multivariate logistic regression, including stage, PSAD, and lesion size. RESULTS: We found an overall PCa rate of 31.8% (63/198) and 10.1% (20/198) CSPCa (13 grade group 2, five group 3, and two group 4). Higher stage (p=0.001), PSAD (p=0.007), and lesion size (p=0.015) were associated with CSPCa, with no association between CSPCa and age, PSA, or prostate volume (p>0.05). PSAD modestly predicted CSPCa area under the curve (AUC) 0.66 (95% confidence interval [CI] 0.518-0.794) in all men and 0.64 (0.487-0.799) for those on active surveillance (AS). Model combining clinical stage, PSAD, and lesion size improved accuracy for all men and AS (AUC 0.82 [0.736-0.910], p<0.001 and 0.785 [0.666-0.904], p<0.001). In men with prior negative biopsy and persistent suspicion, PSAD (0.90 [0.767-1.000]) was not different from the model (p>0.05), with optimal cutpoint of ≥0.215 ng/mL/cc achieving sensitivity/specificity of 85.7/84.4%. CONCLUSIONS: PI-RADSv2 category 3 lesions are often not CSPCa. PSAD predicted CSPCa in men with a prior negative biopsy; however, PSAD alone had limited value, and accuracy improved when using a model incorporating PSAD with clinical stage and MRI lesion size.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».