2025 ASCO GU速递｜张阁钧副教授：早筛早诊刻不容缓，全新筛查模型助力前列腺癌早期筛查模式优化

前言

2025年美国临床肿瘤学会泌尿生殖系统肿瘤研讨会（ASCO GU）于2月13日至15日在美国旧金山召开，ASCO GU大会聚焦泌尿肿瘤领域的创新科研成果以及最新临床研究进展，致力于探索最新、最有效的泌尿肿瘤综合诊疗策略。前列腺癌是最常见的泌尿系统肿瘤，晚期患者预后较差，早筛早诊是改善前列腺癌患者生存获益的关键。本次大会中，摘要328基于前列腺健康指数（PHI）、前列腺成像报告和数据系统（PI-RADS）评分，在不同前列腺特异性抗原（PSA）数值人群中构建了预测前列腺癌风险的在线聚类模型。医脉通特邀该研究的主要研究者中国医科大学附属第一医院张阁钧副教授，为我们解读相关研究结果及临床意义，并深入探讨中国前列腺癌筛查现状与未来发展。

研究背景

GLOBOCAN 2022数据显示，前列腺癌发病率位居全球男性恶性肿瘤的第二位，仅次于肺癌1，已成为全球范围内不容忽视的重大公共卫生问题。近年来，我国前列腺癌发病率和死亡率呈逐年上升趋势，2022年新发病例约13.42万例，死亡病例约4.75万例2，整体诊疗形势严峻。同时，与欧美等发达国家相比，中国前列腺癌患者初诊时往往分期较晚、PSA值更高，且半数以上存在转移3,4，总体5年生存率为71.1%5，远低于美国的97.0%6。由于前列腺癌起病隐匿且进展相对缓慢，因此，对高风险人群进行前列腺癌筛查，早期发现并及时给予规范化治疗，是提升我国前列腺癌患者预后的重要方式。

PSA作为前列腺癌的一种重要标志物，在前列腺癌筛查中发挥重要作用。国外开展了多项基于PSA检测的大型前列腺癌筛查研究以评估前列腺癌筛查的临床意义。ERSPC研究7是欧洲的一项多中心、随机筛查试验，旨在比较PSA筛查组和对照组之间的前列腺癌死亡率，从而评估PSA筛查在预防前列腺癌死亡方面的效果。该研究于1993年至2000年间纳入42,376例55-74岁的受试者，将其随机分入PSA筛查组（20,984例）或对照组（20,916例）。21年随访结果显示，与对照组相比，PSA筛查可有效降低受试者33%的前列腺癌转移风险（RR 0.67；95%CI，0.58-0.78）和27%的前列腺癌特异性死亡风险（RR 0.73; 95%CI，0.61-0.88），对前列腺癌预后产生积极影响。PLCO研究8是由美国国家癌症研究所开展的一项大规模癌症筛查试验，以评估前列腺癌、肺癌、结直肠癌和卵巢癌筛查对疾病特异性死亡的影响。其中前列腺癌部分于1993年至2001年间共纳入76,693例55-74岁受试者，并将其随机分入PSA筛查组（38,340例）或对照组（38,343例），筛查组受试者接受每年一次的PSA检测（最多6次）。校正混杂因素后（中位随访时间为11年），与对照组相比，筛查组受试者前列腺癌死亡风险可降低27-32%9。CAP研究10是一项基于初级诊疗的集群随机临床试验，旨在确定低强度、单次PSA检测对前列腺癌特异性和全因死亡率的影响。研究于2001~2009年期间纳入415,357例50-69岁的受试者，将其随机分入单次PSA筛查组（195,912例）或对照组（219,445例）。中位随访15年结果显示，与对照组相比，单次PSA筛查组受试者前列腺癌死亡风险降低8%（0.69% vs 0.78%；RR 0.92[95%CI，0.85-0.99]；P=0.03）。

上述研究均证实，基于PSA的前列腺癌筛查可以显著降低前列腺癌特异性死亡风险，本次ASCO GU大会中，摘要328在不同PSA数值人群中，基于PHI和PI-RADS评分构建了预测前列腺癌风险的在线聚类模型，为我们带来一种全新的前列腺癌早期筛查模型11。

研究方法

研究共收集了708例患者数据用于训练这一算法。研究依据患者PSA水平将其分为三组（PSA＞4 ng/ml，PSA 4-20 ng/ml，PSA＞20 ng/ml），确定最优以及定制的PHI截断值，计算得到阴性预测值（NPV）和阳性预测值（PPV），利用7种不同机器学习方法进行模型初步建立并比较其效能后，选择其中效果最好的Logisitic回归做进一步的变量筛选，并应用t-SNE和K-means聚类方法进行聚类模型的构建。最后在包含143例患者的外部验证集中进行了验证。

研究结果

PSA＞4 ng/ml，PSA 4-20 ng/ml，PSA＞20 ng/ml三个亚组的最佳PHI截断值上限分别为142.9、143和135.6；下限分别为23.85、24.35和40.75。与传统观念不同的是，即使在PSA＞20 ng/ml人群中，PHI仍具有显著的预测价值。

图1 多种参数在不同PSA水平前列腺癌中的预测价值

在PSA＞4 ng/ml和PSA 4-20 ng/ml亚组中，使用最佳PHI截断值的聚类模型的Silhouette系数分别为0.433和0.526，均优于使用定制PHI截断值的模型（分别为0.432和0.452）。PSA＞20 ng/ml亚组的Silhouette系数最高，为0.572。在验证队列中，该模型在PSA＞4，PSA 4-20，PSA＞20三个亚组中的曲线下面积（AUC）值分别为0.761、0.823和0.833，预测准确率分别为88.81%、90.38%和82.05%。

图2 聚类模型在验证队列中的ROC曲线和决策曲线

研究结论

结果表明，本研究中的聚类模型可以有效地对前列腺癌患者进行危险分层，具有清晰的可视化效果，并在验证队列中表现出优秀的稳定性与可靠性，将为前列腺癌早期筛查提供更多的帮助。

张阁钧副教授点评

前列腺癌患者的生存时间与其临床诊断时的肿瘤分期密切相关，在疾病早期阶段进行精确的诊断并及时进行干预，是全面提升我国前列腺癌患者预后的重要方向。然而，目前我国前列腺癌筛查仍不够充分，有研究显示，中国前列腺癌筛查率仅为17.9%12，诊断不及时将延误前列腺癌患者的治疗，这也是我国前列腺癌患者整体生存预后相对较差的关键所在。因此，我们需要积极推动并扩大前列腺癌筛查范围，降低初诊晚期前列腺癌患者的比例，以提升患者生存获益和生活质量。

ERSPC、PLCO、CAP等国际前列腺癌筛查研究结果显示，PSA筛查有利于早期发现疾病，并有效降低男性的前列腺癌死亡风险。国内开展的一项大样本量（420,941例）、长达13年随访的前瞻性队列研究，评估了PSA筛查与死亡风险之间的关联。结果显示，定期、连续筛查PSA人群的前列腺癌特异性死亡风险降低64%-70%，总体死亡风险降低23%-28%12，进一步证实了PSA筛查在中国人群中的临床价值。然而，随着PSA筛查的应用愈发广泛，关于PSA筛查的争议也从未停歇。尽管PSA筛查可以有效降低前列腺癌特异性死亡率，但研究者们也在不断寻求更为精确的筛查方法，在减少过度诊断的同时保障临床显著性前列腺癌的检出。

多参数磁共振（mpMRI）对前列腺癌病灶具有较高的敏感性和特异性，已成为前列腺癌筛查诊断的重要工具。PHI是整合了PSA、fPSA和p2PSA三种PSA相关标志物的一个多因素数学模型的综合指数，相较PSA，PHI具有更为优秀的诊断效能13。PHI和PI-RADS评分在前列腺癌诊断方面的价值得到了广泛认可，也有研究将PHI和PI-RADS评分纳入前列腺癌列线图的构建，用于预测前列腺癌的发生，但仍未进入临床应用。基于此，我们团队开发并验证了一种全新的聚类算法用于预测前列腺癌风险。该算法纳入PHI、PI-RADS评分等参数，在不同PSA水平的患者中均表现出优秀的稳定性与可靠性，尤其适用于PSA＞20 ng/ml的患者人群。基于本研究的上下限范围，可以有效筛选出前列腺癌高风险患者，使部分非前列腺癌患者免于接受不必要的活检，提升穿刺活检阳性率。同时，与传统列线图模型相比，这一聚类算法可以更加清晰、直观地展示出患者的癌症风险。目前，该算法已在线发布14。未来，我们也将不断完善这一模型，在保持敏感性的同时增强特异性，为前列腺癌临床实践带来更多帮助。

总体而言，基于中国前列腺癌发病率逐年上升且初诊晚期患者比例较高的特点，我们仍需要重视并不断推动前列腺癌早筛早诊的普及化。同时，鉴于中国与西方国家在前列腺癌流行病学、诊疗情况等方面存在一定差异，一方面，我们需要借鉴西方国家的前列腺癌筛查历史与经验；另一方面，我们也要不断探索并提高早期筛查的技术工具和手段，构筑符合中国国情的前列腺癌筛查路径，全面提升前列腺癌患者获益，助力“健康中国2030”战略目标的实现。

结语

随着我国经济水平不断提高和人口老龄化程度不断加深，前列腺癌的发病率还可能进一步提高。早筛、早诊、早治疗是提升前列腺癌患者长期生存的关键。近年来，在医务工作者的不懈努力下，中国前列腺癌早筛早诊工作已初见成效。相信未来随着检测技术和筛查策略的不断优化发展，中国前列腺癌患者的生存率与生活质量会迈向新的台阶。

专家简介

张阁钧 副教授

• 中国医科大学附属第一医院泌尿外科

• 副教授、副主任医师、硕士研究生导师

• 辽宁省医学会泌尿外科学分会尿控学组委员

• 中国中西医结合学会辽宁省泌尿外科专业委员会委员

• 中国人体健康科技促进会泌尿男生殖系肿瘤专业委员会委员

• 沈阳市医学会泌尿外科学分会委员

• 参编《2022版中国泌尿外科和男科疾病诊断与治疗指南》

• 《软件著作权》2项，实现转化1项
  

参考文献：

1. Bray F, Laversanne M, Sung H, et al. CA Cancer J Clin, 2024,74(3):229-263.

2. Han B, Zheng R, Zeng H, et al. Cancer incidence and mortality in China, 2022[J]. J Natl Cancer Cent, 2024,4(1):47-53.

3. 赫捷,陈万青,李霓,等.中国肿瘤,2022,31(01):1-30.

4. 毕新刚.中国现代医药杂志,2023,25(12):1-8.

5. Zeng H et al. Journal of the National Cancer Center, 2024.

6. Siegel RL, Miller KD, Wagle NS, Jemal A. Cancer statistics, 2023. CA Cancer J Clin. 2023 Jan;73(1):17-48.

7. de Vos II, Meertens A, Hogenhout R, et al. Eur Urol. 2023 Oct;84(4):426-434.

8. Pinsky PF, Prorok PC, Yu K, et al. Cancer. 2017 Feb 15;123(4):592-599.

9. Tsodikov A, Gulati R, Heijnsdijk EAM, et al. Ann Intern Med. 2017 Oct 3;167(7):449-455.

10. Martin RM, Turner EL, Young GJ, et al. JAMA. 2024 May 7;331(17):1460-1470.

11. Gejun Zhang , Jiyuan Hu. J Clin Oncol 43, 2025 (suppl 5; abstr 328).

12. Ruan X, Zhang N, Wang D, et al. JMIR Public Health Surveill. 2024 Jan 18;10:e47161.

13. 张勤, 姚瀚鑫, 王伯玉, 等.检验医学, 2024, 39(11): 1084-1090.

14. https://www.xsmartanalysis.com/model/Medicaluniversity_model_PHI/

编辑：Rudolf

审校：Kristen

排版：Uni

执行：Uni

本平台旨在为医疗卫生专业人士传递更多医学信息。本平台发布的内容，不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议。如该等信息被用于了解医学信息以外的目的，本平台不承担相关责任。本平台对发布的内容，并不代表同意其描述和观点。若涉及版权问题，烦请权利人与我们联系，我们将尽快处理。