瑞典全國性前列腺核磁共振造影與後續切片結果之縱向人群研究

導讀：瑞典全國性前列腺核磁共振造影與後續切片結果之縱向人群研究

這項研究針對前列腺癌診斷中的核心工具——多參數磁振造影（mpMRI）進行了大規模的真實世界分析。研究背景源於臨床實務中，MRI 報告大多以非結構化的自由文本形式存在，這使得大規模的流行病學研究和品質監控變得極為困難。研究團隊利用瑞典全國前列腺癌資料庫（PCBase Xtend），納入了 2015 年至 2023 年間共 108,361 份 MRI 檢查報告。他們開發了一套基於規則的文本辨識演算法，用於自動提取 PI-RADS 分數及前列腺體積。研究方法的核心在於將自動提取的數據與國家前列腺癌登記冊（NPCR）中的手動輸入數據進行交叉驗證。主要結果顯示，PI-RADS 分數在臨床報告中的普及率從 2015 年的 38% 顯著提升至 2022 年的 83%，且自動提取結果與手動登記的一致性極高（相關係數 r = 0.94）。此外，研究觀察到臨床決策的演變：對於 PI-RADS 3 的病灶，切片率隨時間下降，特別是在 PSA 密度小於 0.15 ng/ml/ml 的男性中；而 PI-RADS 5 的切片比例則持續增加。在病理結果方面，Gleason 9-10 分的高惡性度癌症幾乎僅出現在 PI-RADS 5 的案例中。作者解讀認為，這證明了利用自然語言處理（NLP）技術從非結構化醫療報告中提取關鍵臨床指標是可行且精準的，這不僅支持了高品質的大規模研究，也反映出臨床醫師對於 MRI 風險分級與 PSA 密度的綜合應用日益成熟，有助於減少不必要的過度診斷與切片。

臨床意義

這項研究證明了 NLP 技術在自動化醫療品質監測中的強大潛力，使醫院能大規模追蹤診斷品質。對臨床醫師而言，研究數據支持了目前的趨勢：即針對 PI-RADS 3 且 PSA 密度低的患者採取更謹慎的觀察策略，能有效減少不必要的侵入性切片。這對於優化前列腺癌診斷流程、降低醫療資源浪費具有直接的指導意義。

重點整理

• 開發出高精準度的規則化演算法，可從非結構化 MRI 報告中提取 PI-RADS 分數（相關性 r=0.94）。
• 瑞典全國 MRI 報告的標準化程度在 8 年內顯著提升，PI-RADS 採用率從 38% 增至 83%。
• 臨床實務顯示 PSA 密度已成為決定 PI-RADS 3 病灶是否進行切片的重要輔助指標。
• 病理結果驗證顯示，Gleason 9-10 分的高風險癌症與 PI-RADS 5 評分高度相關。