前列腺癌主動監測的個人化風險導向評估法：借鑒廣泛腫瘤學實踐的混合方法綜述

導讀：前列腺癌主動監測的個人化風險導向評估法：借鑒廣泛腫瘤學實踐的混合方法綜述

這項研究聚焦於如何將低風險前列腺癌（PCa）的主動監測（AS）從傳統的「一體適用」模式轉向基於風險的個人化路徑。研究背景源於臨床上對過度診斷與過度治療的擔憂，傳統追蹤協議往往對所有患者施加相同的切片與影像頻率，造成不必要的醫療負擔。研究採用混合方法綜述，系統性地分析了 PRIAS、Johns Hopkins、Canary PASS 與 STRATCANS 四種主要的風險評估工具，並與甲狀腺、乳房、腎臟及膀胱癌的 AS 經驗進行橫向對比。研究發現，這些模型利用 PSA 動態變化與切片數據，能有效預測疾病升級風險（AUC 介於 0.58 至 0.85 之間）。結果顯示，實施個人化模型後，低風險患者的切片次數、門診頻率及 MRI 檢查顯著減少，且未損害安全性。作者解讀指出，雖然前列腺癌的 AS 模式在各類癌症中最為成熟，但現有模型多缺乏 MRI 數據的整合，這是未來優化個人化決策的關鍵點。透過借鑒其他癌症（如甲狀腺癌）的患者選擇經驗，可以進一步完善 PCa 的監測框架。

臨床意義

這項研究為臨床醫師提供了具體的證據，支持將主動監測從固定的追蹤時程轉向動態的風險導向計劃。這能有效減少低風險患者因過度切片導致的併發症與心理壓力，同時讓醫療資源集中在具潛在進展風險的患者身上，直接改善前列腺癌的長效管理品質。

重點整理

• 評估了 PRIAS 與 Canary PASS 等模型，證實其在預測疾病惡化方面具有良好的校準度與中等預測力。
• 個人化風險模型能顯著減少低風險患者的切片負擔與 MRI 檢查次數，提升生活品質。
• 橫向對比顯示前列腺癌的主動監測框架相較於甲狀腺癌或腎癌更為先進與細緻。
• 指出整合 MRI 影像與基因組指標是下一代個人化監測模型的必要改進方向。