根治性前列腺切除术后生化复发预测模型的开发与内部验证

Summary

该回顾性研究开发并内部验证了240名患者根治性前列腺切除术后生化复发的预测模型。病理阶段、淋巴结转移、正电子发射断层扫描阳性病变和SUV_max 为独立预测因子。该模型在术后风险分层方面展现了强烈的辨别力、校准性和临床效用性。

Abstract

本研究旨在开发并验证一个预测性模型，用于评估前列腺癌患者根治性前列腺切除术后生化复发（BCR），结合临床、病理学、炎症性以及18F-PSMA-1007正电子发射断层扫描/计算机断层扫描（PET/CT）成像参数。该回顾性研究纳入了240名经组织病理学确诊的前列腺腺癌患者，他们于2022年6月至2025年7月期间接受了根治性前列腺切除术。BCR被定义为术后血清前列腺特异性抗原（≥0.2 ng/mL）。收集了术前临床变量、全身免疫炎症指数（SII）、PET/CT病灶状态及最大标准化摄取值（SUV_最大值）及术后病理分期。患者被分为BCR（n=64）和非BCR（n=176）组。单变量和多变量逻辑回归分析识别出BCR的独立预测因子。开发并内部验证多变量预测模型，采用70/30训练与验证比例。模型性能通过受试者工作特征曲线、曲线下面积（AUC）、校准和决策曲线分析进行评估。BCR患者病理阶段较晚（pT3–4：96.9% 对 52.3%，p < 0.001）、淋巴结转移率较高（59.4% 对 29.5%，p < 0.001）、更高 SII（682.45 ± 118.23 对 637.08 ± 92.40，p = 0.002），以及更高 SUV_最大 值（6.59 ± 1.34 对 4.92 ± 1.49，p < 0.001）。多变量分析确定病理分期（OR = 36.814，p < 0.001）、淋巴结状态（OR = 7.286，p < 0.001）、SUV_max （OR = 2.732，p < 0.001）及PET阳性病变（OR = 27.929，p < 0.001）为BCR的独立预测因子。联合预测模型在训练组（AUC = 0.952）和验证队列（AUC = 0.927）中均表现出色。校准曲线显示预测结果与观察结果一致，决策曲线分析显示，与全治疗和无治疗策略相比，净临床益处更优。综合模型展现出优异的辨别力和临床效用，支持个体化术后风险分层。

Introduction

前列腺癌仍是全球男性中最常见的恶性肿瘤之一，根治性前列腺切除术是局^限性疾病患者的关键治疗选择^1,2。尽管手术技术和患者选择有所改进，生化复发（BCR）约占20%–40%的病例，表明疾病为持续性或复发性，且转移和死亡风险增加 ^2,3。前列腺切除术后BCR的准确预测仍具挑战性，因此需要结合临床、免疫学和先进影像参数的更有效预后工具，以指导术后监测和辅助治疗。

炎症和免疫反应在肿瘤的进展和复发中起着关键作用。系统免疫炎症指数（SII）是一种新颖的炎症生物标志物，通过外周中性粒细胞、淋巴细胞和血小板计数计算，已在多种癌症中表现出预后意义，包括^4、5、6。此外，18F-PSMA-1007正电子发射断层扫描/计算机断层扫描（PET/CT）是一种前列腺特异性膜抗原成像技术，显示出比传统^{影像方法7,8}更早发现复发疾病有望，从而有望提升术后预后。这种整合方法超越了传统临床病理模型，结合了系统性炎症生物标志物和先进的分子成像参数。与主要依赖基线临床病理参数的既有风险分层工具如CAPRA-S评分或D'Amico分类不同，本方法将动态系统炎症指标与功能分子影像学结果相结合。

然而，整合炎症标志物如SII、病理肿瘤分期以及包括18F-PSMA-1007 PET/CT在内的先进影像技术，在预测前列腺癌复发中的临床价值尚不明确。因此，本研究旨在构建并内部验证根治性前列腺切除术后BCR的综合预测模型，结合这些因素以改善风险分层、优化术后患者管理并促进早期干预策略。临床上，该模型旨在协助临床医生定制个性化监测方案，识别可能受益于早期辅助干预或加强随访的高风险候选人。

Protocol

该研究方案经新疆医科大学第一附属医院伦理委员会根据赫尔辛基宣言（批准号：230608-7）审核批准。由于该回顾性研究仅使用去识别化的患者数据，且对患者护理无潜在危害或影响，故放弃知情同意。

研究设计与患者选择
该回顾性研究纳入了240名经组织病理学确诊的前列腺腺癌患者，他们于2022年6月至2025年7月期间接受了根治性前列腺切除术。患者通过系统检索新疆医科大学第一附属医院电子病历系统。采用连续抽样方法以最大限度减少选择偏倚。患者根据术后血清特异性抗原（PSA）水平被分为BCR组（n = 64）和非BCR组（n = 176），其中BCR定义为通过两次连续测量确认的血清PSA水平≥0.2 ng/mL。纳入标准如下：（1）经组织病理学确认的前列腺腺癌;（2）进行根治性前列腺切除术;以及（3）完整的临床、病理和影像数据的可用性。这些标准由两位经验丰富的研究者（李宇斌和张启洲）独立应用。关于患者资格的分歧通过与第三位高级研究员的讨论或咨询解决。排除标准为：（1）格里森评分<7;（2）接受术前激素治疗、化疗或放疗，或病历不完整;以及（3）在PET/CT或手术前接受新辅助疗法，包括雄激素剥夺疗法、化疗或放疗。排除标准按顺序应用。首先排除接受新辅助或术前治疗的患者，其次是Gleason评分为<7的患者，最后是缺少关键数据点的患者。对于符合多项排除标准的患者，已记录主要排除原因。临床、病理或影像数据缺失或不完整的患者被排除在最终分析之外，以确保预测模型的稳健性。由于采用回顾性研究设计，未采用数据补补方法。

临床与病理数据收集
从电子病历中回顾性提取了基线临床数据，包括患者年龄、Gleason评分、术前血清PSA水平、病理肿瘤分期、淋巴结受累情况及术后随访细节。数据提取由两名独立研究者使用标准化数据收集表进行的电子病历人工审查以确保一致性。两位研究者之间的任何差异均通过共识或与第三位高级研究员协商解决，后者审查了原始病历。病理肿瘤分期根据美国癌症联合委员会TNM分期系统第8版进行分类。分期数据直接来自医院病理科发布的原始术后病理报告。为确保准确性，所有病理报告和代表性切片均由一位经验丰富且对影像学结果和临床结果保持盲法的泌尿病理学家进行二次审查。

全身免疫炎症指数（SII）
从所有患者身上采集了术前外周血样。手术前7天通过静脉穿刺采集血液样本。所有患者均需在采样前禁食至少8小时，以确保基线稳定性。包括中性粒细胞、淋巴细胞和血小板计数在内的实验室参数，在我们机构的统一临床实验室中，使用标准化的自动血液学分析仪进行处理和分析。SII的计算方法如下：

SII的最佳截止值通过r个eceiver操作特征（ROC）分析和尤登指数确定。截止值是基于数据驱动的，使用R统计分析软件（版本4.2.2）中的“pROC”软件包从整个数据集中推导出来。进行了ROC分析以最大化综合敏感性和特异性，所得阈值用于将患者分为高SII组和低SII组。

18F-PSMA-1007 PET/CT影像协议与分析
所有患者在术前四周内接受了18F-PSMA-1007 PET/CT术前影像检查。影像检查与手术时间的标准化，排除成像至手术间隔超过30天的患者，以确保影像结果与病理状态的一致性。在静脉注射4.0 MBq/kg的18F-PSMA-1007后进行了影像学检查。放射性示踪剂在现场使用回旋加速器和自动合成模块合成。每次注射前都进行了质量控制，以确保放射化学纯度>95%）。示踪剂剂量根据体重标准化，未记录重大剂量偏差。注射后约60分钟，使用专用PET/CT系统从颅底到大腿中部进行PET/CT扫描。扫描使用Discovery VCT PET/CT扫描仪进行。CT采集参数包括120 kV、自动管电流调制（150–200 mA）和3.0毫米的切片厚度。PET图像采用有序子集期望最大化算法重建，矩阵尺寸为192×192或256×256，结合飞行时间和点扩散函数修正。

两位经验丰富的核医学医生对PET/CT图像进行了独立分析，他们对临床和病理结局进行了盲法分析。观察者间的共识是通过科恩的卡帕系数进行评估的。病灶定位或分类的任何差异均通过共识审查或与第三位高级核医学医师的咨询解决。视觉分析将病变分为阳性（局部复发、盆腔淋巴结或远处转移）和阴性。根据前列腺癌分子影像标准化评估标准，病灶被归类为阳性。具体来说，局部示踪剂摄取超过周围背景活性且非生理分布（如输尿管或膀胱活动）被认为是复发或转移的指示。此外，记录了疑似病变的最大标准化摄取值（SUV_最大值）。兴趣区域通过三维球体体积手动定义，涵盖PET图像的焦点摄取。在多病变患者中，选择吸取最高的病灶进行SUV_max 测量。定量图像分析使用Advantage Workstation软件（版本4.7）进行。

后续与生化复发定义
随访包括术后每三至六个月定期临床就诊，并测量血清PSA。整个队列的总随访时间范围为8至19个月。所有患者的随访间隔总体一致。对于错过预定就诊的患者，随访信息通过电话访谈或我们机构最新的门诊病历更新。在6个月最低门槛前失访或BCR事件记录未完成的患者被排除在最终分析之外，以维护数据完整性。BCR定义为术后血清PSA水平为≥0.2 ng/mL，且经连续两次测量确认。确认性的PSA测量通常间隔4至8周进行。该BCR定义贯穿全稿，并作为预测模型的主要终点。

子组分析
为评估预测模型的稳健性并减少随访时间短相关的潜在偏差，对随访时间>12个月的患者进行了亚组分析。共有133名患者符合该标准，而107名随访时间为≤12个月的患者被排除在亚组分析之外。随后在该亚组中采用了与主要分析相同的统计方法进行多变量逻辑回归分析。

统计分析
连续变量以中位数和范围表示，而类别变量则以频率和百分比表示。数据分布采用Shapiro–Wilk检验进行评估。常态分布的连续变量以均值±标准差（SD）形式呈现，并使用学生t检验进行比较。非正态分布的变量以中位数和范围表示，并使用Mann–Whitney U检验进行比较。类别变量则根据需要使用卡方检验或费舍尔精确检验进行比较。分析前，验证了卡方检验的假设，包括确认不超过20%的细胞预期频率为<5。当这些假设被违反时，采用了费舍尔精确检验以确保统计有效性。

开发了多元逻辑回归模型以预测BCR，纳入临床相关因素如SII、PET/CT_{SUV max}、影像阳性和病理肿瘤分期。单变量分析中p值为<0.05的变量，以及基于既往文献被认为具有临床相关性的变量，被纳入多变量模型。预测变量间多重共线性使用方差膨胀因子评估，<5的值被认为可接受。

预测模型的内部验证采用70/30列车与测试分离方法。数据集被随机分为训练组（70%）和测试组（30%）组，采用分层抽样法保持BCR事件分布。为确保可重复性，应用了固定的随机种子。模型性能通过ROC曲线及对应的曲线下面积（AUC）值进行评估。校准使用Hosmer–Lemeshow拟合优度检验进行评估。还进行了决策曲线分析，以评估整合模型的临床净收益。

统计分析使用SPSS软件（版本26.0）和R统计软件（版本4.2.2）进行。统计分析软件包“pROC”和“rms”分别用于ROC和校准分析。统计显著性定义为p < 0.05。由于随访期间主要结局为二元BCR状态，模型表现采用ROC曲线和AUC指标进行评估。由于复发时间点在各队列中记录不均，未进行时间依赖性ROC分析。分析前，对数据进行了异常值筛查，未发现需要变换的极端值。连续变量以原始形式进行分析，以保持临床可解释性。

Results

基线特征
BCR患者病理肿瘤分期显著晚期（pT3–4：96.9% 对 52.3%，p < 0.001），淋巴结转移率更高（59.4% 对 29.5%，p < 0.001），SII值升高（682.45 ±对 118.23 对 637.08 对 637.08 ± 92.40，p = 0.002），PET/CT成像最大标准化摄取值（ SUV_max）（6.59 ± 1.34 对 4.92 ± 1.49， 与无BCR患者相比，p < 0.001）。PET阳性病变在BCR组中也显著高于非BCR组（73.4%对14.8%，p < 0.001）。相比之下，年龄和格里森得分分布在两组之间无显著差异（见表1）。

特征	BCR递归群 （n = 64）	非复发群 （n = 176）	统计检验	P值
年龄（年），中位数（范围）	68 (56–78)	67 (55–79)	U = 5034	0.208
术前PSA（ng/mL），平均值±标准差	14.24 ± 6.253	16.20 ± 5.502	t = 2.216	0.029
格里森评分，n（%）			χ² = 6.346	0.175
7 (3+4)	4 (6.3)	30 (17.0)
7 (4+3)	15 (23.4)	38 (21.6)
8 (4+4)	19 (29.7)	37 (21.0)
9 (4+5)	10 (15.6)	35 (19.9)
10 (5+5)	16 (25.0)	36 (20.5)
病理肿瘤分期，n（%）			χ² = 40.607	<0.001
pT2	2 (3.1)	84 (47.7)
pT3–4	62 (96.9)	92 (52.3)
淋巴结状况，n（%）			χ² = 17.818	<0.001
阳性	38 (59.4)	52 (29.5)
阴性	26 (40.6)	124 (70.5)
SII	682.45 ± 118.23	637.08 ± 92.40	t = 3.112	0.002
PET/CT SUVmax	6.59 ± 1.34	4.92 ± 1.49	t = 8.303	<0.001
PET阳性病变，n（%）			χ² = 76.317	<0.001
阳性	47 (73.4)	26 (14.8)
阴性	17 (26.6)	150 (85.2)
随访时间（月），中位数（范围）	11 (10–19)	13 (8–19)	U = 5422.5	0.66

表1：有BCR和无BCR患者的基线临床、病理、炎症和影像特征。 连续变量以平均±标准差（SD）或中位数（范围）表示，类别变量则以数字（%）表示。组别比较采用学生 t检验、曼-惠特尼 U 检验或卡方（χ²）检验进行。缩写：BCR，生化复发;PSA，前列腺特异性抗原;SII，全身免疫炎症指数;SUV_max，最大标准化接收值;正电子发射断层扫描。

生化复发的单变量与多元逻辑回归分析
表2 总结了根治性前列腺切除术后BCR相关因素的单变量和多变量逻辑回归分析结果。

变量	单变量或 （95% CI）	P值	多变量或 （95% CI）	P值
年龄（年份）	1.025 (0.985–1.067)	0.216	–	–
术前PSA（ng/mL）	0.941 (0.894–0.991)	0.021	0.973 (0.898–1.054)	0.498
格里森评分	1.145 (0.925–1.417)	0.214	–	–
病理肿瘤阶段	28.304 (6.714–119.322)	<0.001	36.814 (5.930–228.533)	<0.001
淋巴结状况	3.485 (1.923–6.317)	<0.001	7.286 (2.264–23.445)	<0.001
SII	1.005 (1.002–1.008)	0.003	1.001 (0.996–1.006)	0.803
PET/CT SUVmax	2.302 (1.773–2.989)	<0.001	2.732 (1.768–4.221)	<0.001
PET阳性病变	15.950 (7.972–31.914)	<0.001	27.929 (8.662–90.313)	<0.001

表2：与BCR相关因素的单变量和多元逻辑回归分析。 针对根治性前列腺切除术后BCR相关的临床、病理学、炎症和影像变量，提供手术室及相应的95%置信区间。多元逻辑回归模型中包含的变量基于单变量分析中的统计显著性和/或已确立的临床相关性进行选拔。缩写：BCR，生化复发;或者，赔率比;置信区间，置信区间;PSA，前列腺特异性抗原;SII，全身免疫炎症指数;SUVmax，最大标准化接收值;正电子发射断层扫描。

在单变量逻辑回归分析中，多个变量与BCR显著相关。术前PSA水平较高与复发概率较低相关（OR = 0.941,95% CI：0.894–0.991，p = 0.021）。 晚期病理肿瘤分期（pT3–4 vs. pT2）与BCR有强烈关联（OR = 28.304,95% CI：6.714–119.322，p < 0.001）。 淋巴结阳性率也与复发风险显著相关（OR = 3.485,95% CI：1.923–6.317，p < 0.001）。 在生物标志物相关变量中，SII值升高（OR = 1.005,95% CI：1.002–1.008，p = 0.003）、较高的PET/CT SUV_最大值（OR = 2.302,95% CI：1.773–2.989，p < 0.001 ）及PET阳性病灶（OR = 15.950,95% CI：7.972–31.914，p < 0.001）均与BCR风险增加显著相关。 相比之下，年龄和格里森评分与复发无显著关联。

在多变量逻辑回归模型中，四个变量仍然是BCR的独立预测变量。晚期病理肿瘤分期与复发风险保持强烈相关（OR = 36.814,95% CI：5.930–228.533，p < 0.001 ），淋巴结转移亦然（OR = 7.286,95% CI：2.264–23.445，p < 0.001）。 PET/CT_{SUV max}也与BCR保持独立关联（OR = 2.732,95% CI：1.768–4.221，p < 0.001）。 PET阳性病灶与复发的独立关联最强（OR = 27.929,95% CI：8.662–90.313，p < 0.001）。 多变量分析中术前PSA水平和SII值未显示统计学显著性。

模型性能与验证
综合预测模型在预测BCR方面表现出强烈的判别性能。在训练队列中，模型的AUC为0.952（95%置信区间：0.915–0.990），优于所有个体预测变量。在单变量预测变量中，PET/CT_{SUV max} （AUC = 0.793,95% CI：0.721–0.864）和PET阳性病变（AUC = 0.790,95% CI：0.715–0.864）表现出最高的区分性表现。相比之下，病理肿瘤分期预测表现中等（AUC = 0.739），而淋巴结状态和SII预测准确性较低。

在验证队列中，合并模型保持了优异的判别能力，AUC为0.927（95% CI：0.861–0.994），证实了预测模型的稳健性和稳定性。各预测变量的相对表现排名保持一致，PET/CT_{SUV MAX} 和PET阳性病变再次表现出最强的辨别性。

两组队列的校准图显示BCR预测概率与观察概率一致;但观察到偏离理想校准。训练队列的校准截距为–3.80，斜率为7.34，而验证队列的截距为–3.36，斜率为6.37。尽管校准曲线大致沿参考线，但这些斜率值暗示模型可能出现过拟合或校准不稳定，因此应谨慎解读（见图1）。

图1。对训练和验证队列中联合预测模型的性能评估。 （A） ROC曲线，比较训练队列中合并模型与单个预测变量。（B） 比较验证队列中合并模型与单个预测变量的ROC曲线。（C） 训练队列中合并模型的校准曲线，显示BCR预测概率与观测概率的一致性。（D） 验证队列中合并模型的校准曲线。斜线虚线表示理想校准，实线曲线表示模型预测的概率。缩写：ROC，接收机工作特性;AUC，曲线下的面积;SII，全身免疫炎症指数;SUV_max，最大标准化接收值;LN_pos，淋巴结阳性;PET_pos，正电子发射断层扫描阳性病变;BCR，生化复发。 请点击此处查看该图的放大版本。

决策曲线分析进一步支持了综合预测模型的临床效用。在训练队列中，模型的最大净益处为0.246，且在临床相关阈值概率范围0–0.50内持续优于全治疗和无治疗策略，显示其对个体化术后风险分层具有潜在价值（见图2）。

图2。综合预测模型的决策曲线分析。 决策曲线分析显示合并模型在多个阈值概率范围内的净临床效益。实线表示合并模型，虚线表示全部处理策略，虚线表示无处理策略。该模型在广泛的阈值概率范围内显示出更高的净收益，表明个体化术后风险分层具有潜在的临床效用。 请点击此处查看该图的放大版本。

亚组分析（12个月随访>）
在排除107名随访时间为≤12个月的患者后，共纳入亚组分析。在随访时间>12个月（n = 133）的患者中，多变量逻辑回归分析显示病理肿瘤分期（OR = 36.814,95% CI：5.930–228.533，p < 0.001）、淋巴结状态（OR = 22.064,95% CI：3.275–288.367，p < 0.001）、PET/CT_SUV最大值 （OR = 10.245,95% CI：2.905–72.867，p = 0.004）及PET阳性病变（OR = 51.458， 95%置信区间：8.940–530.327，p.< 0.001）与BCR保持显著相关。相比之下，SII在亚组分析中与BCR无独立关联（OR = 1.004,95% CI：0.997–1.012，p = 0.255）（见表3）。

参数	赔率比（95% 置信区间）	P值
病理肿瘤阶段	36.814 (5.930–228.533)	<0.001
淋巴结状况	22.064 (3.275–288.367)	<0.001
SII	1.004 (0.997–1.012)	0.255
PET/CT SUVmax	10.245 (2.905–72.867)	0.004
PET阳性病变	51.458 (8.940–530.327)	<0.001

表3：对随访时间为>12个月的患者中与BCR相关因素进行多元逻辑回归分析。 在随访时间>12个月（n =133）的患者亚组中进行了多元逻辑回归分析，以评估根治性前列腺切除术后BCR相关预测因子的稳健性。对多变量模型中所有变量展示了比值比（OR）及其对应的95%置信区间（CI）。缩写：BCR，生化复发;或者，赔率比;置信区间，置信区间;SII，全身免疫炎症指数;SUV_max，最大标准化接收值;正电子发射断层扫描。

数据可用性：
本研究中生成或分析的所有数据均包含在本已发表文章及其补充信息文件中（补充表1）。

补充表1：用于预测模型开发和验证的去标识化患者级数据集。 补充表包含用于模型开发和验证的患者层面临床、病理、炎症、影像、随访及结局变量。变量包括SII、PET/CT最大限_度、PET/CT病灶阳性状态、病理肿瘤分期、生化复发（BCR）状态、年龄、格里森评分、术前PSA水平、淋巴结状态、随访时间及BCR时间。分析前移除所有患者标识符，以确保保密性和符合机构伦理标准。缩写：SII，系统免疫炎症指数;PET/CT，正电子发射断层扫描/计算机断层扫描;SUV_max，最大标准化接收值;生化复发（BCR）;PSA，前列腺特异性抗原。请点击这里下载此文件。

Discussion

本研究成功构建了一个综合预测模型，涵盖前列腺癌患者根治性前列腺切除术后BCR，整合了SII、病理肿瘤分期、淋巴结状况及术前18F-PSMA-1007 PET/CT影像学结果。该模型表现出优异的判别性能，AUC为0.95，强调了结合多种生物和影像标志以实现精确风险分层的优势。病理肿瘤分期成为BCR的强大且独立的预测因子。晚期肿瘤患者（pT3b和pT4）复发率显著较高，符合已知文献认为肿瘤分期是预后关键决定因素^1,2。肿瘤分期越高，则与囊外延伸和精囊浸润相关，这两者均与不良肿瘤学预后^有关3。这进一步强调了术后密切监测和早期辅助治疗对高风险^{病理特征患者}的重要性 9.

术前18F-PSMA-1007 PET/CT影像在我们的预测模型中的作用尤为重要。SUV_最大值较高且PET/CT扫描阳性的患者，BCR风险显著增加。这些发现与先前研究表明，前列腺特异性膜抗原（PSMA）PET成像在检测局部和远处复发方面优于传统影像方式，具有更高的灵敏度和特异性（^10,11）。Alberts等人的荟萃分析进一步支持PSMA PET示踪剂的使用，表明较高的SUV_最大值与侵袭性疾病生物学密切^相关7。值得注意的是，我们研究中的SUV_最大阈值（5.46）与之前多中心试验报告的阈值高度吻合，进一步强化了其外部效度。此外，新兴研究已证明PSMA PET/CT在监测前列腺癌患者新辅助疗法反应中的效用^12,13。然而，我们的队列仅限于未接受任何术前全身性治疗的患者，这使我们在治疗干预前能够评估PET/CT和炎症生物标志物的原生预后价值。尽管18F-PSMA-1007 PET/CT具有更优异的成像灵敏度，但尚未在所有医疗系统中广泛普及，尤其是在资源匮乏的环境中。为了探索模型的潜在适应性，我们采用仅包含SII和病理肿瘤阶段的简化模型进行了探索性分析。虽然该简化模型的预测性能（AUC）低于完整模型，但仍保有一定的判别能力。这一发现表明，在缺乏PSMA PET的情况下，简化方法仍可能有助于基本的术后风险分层。未来的研究可能聚焦于优化此类简化模型，或整合其他广泛可得的生物标志物以实现更广泛的临床应用。

系统性炎症标志物，如SII，反映了宿主免疫与促进肿瘤炎症之间的相互作用。SII水平升高与我们队列中更高的复发风险相关，这与之前强调其在泌尿生殖系统恶性肿瘤预后价值的荟萃分析一致，^4,6。尽管SII在多变量分析中未达到统计显著性，但它为合并模型增添了增量价值，凸显了其作为辅助生物标志物的潜在作用。值得注意的是，Li等人和Lolli等人此前分别证明了SII升高与膀胱癌和转移性前列腺癌生存率低之间的^关联，5。此外，我们选择SII而非其他血液学标志物，如中性粒细胞与淋巴细胞比（NLR）或血小板与淋巴细胞比（PLR），因为SII包含三种免疫成分——中性粒细胞、淋巴细胞和血小板——提供了对宿主炎症和免疫反应更广泛的视角。多项比较研究和荟萃分析表明，SII在多种实体肿瘤（包括前列腺癌）中预后价值优于NLR和PLR，比例为^6、14、15。此外，SII在患者群体间表现出更高的可重复性和稳定性，使其成为临床环境中风险分层的有前景候选者^16,17。

尽管SII在单变量分析中与BCR有显著关联，但在多变量建模中并未保持独立显著性。为评估此现象是由共线性效应还是非线性效应引起，我们采用二分化SII值、z分数归一化及与PET/CT结果和肿瘤分期的相互作用项，进行了事后探索性分析。这些方法未带来统计学上显著的改善，表明虽然SII反映了全身炎症，但在更强的影像学和病理预测因子存在下，其增量预后价值可能受限。未来样本量更大的研究可能更好地界定炎症生物标志物在多模态风险模型中的情境作用。将多个变量整合进单一预测框架，相比单一因素，可以提升预后准确性。肿瘤学研究的最新进展强调了多模态模型的优越性，结合临床、影像和分子参数，以个性化患者护理。我们集成的模型远远优于单个预测变量的预测准确率，支持了这一向整体风险评估的范式转变。类似发现也在结合PSMA–PET结果与基因组分类器¹⁸的模型中报告，这些模型在预测早期BCR时AUC值超过0.90。虽然传统的临床病理学因素如术前PSA水平、格里森评分、手术切缘状态和淋巴结受累是BCR^19,20的成熟预后指标，但本研究有意聚焦于结合SII、18F-PSMA-1007 PET/CT影像特征和病理肿瘤分期的新整合模型。该方法旨在评估新兴生物和影像生物标志物在传统变量之外的预测效用。由于患者记录不一致，排除了手术切缘状态。尽管最终多变量模型中包含淋巴结状态，但在模型开发过程中对潜在多重共线性与病理肿瘤分期进行了仔细评估。尽管如此，我们也承认，将更多传统临床预测因子纳入未来模型，将进一步提升预测准确性和临床适用性。有必要进行比较研究，评估SII和PSMA PET/CT结合既定临床变量时的加价。

此外，我们模型的良好表现补充了精准肿瘤学不断发展的方法，早期识别高复发风险患者，使得量身定制的辅助策略和更密切的术后监测成为可能²¹。将先进影像学与SII等生物标志结合，有望为动态风险模型铺平道路，这些模型会随着患者的临床进展进行纵向更新。多种广泛使用的指线图，包括术后前列腺癌风险评估（CAPRA-S）评分和斯蒂芬森线谱，已被验证基于传统临床和病理因素如PSA水平、格里森评分、手术切缘状态和淋巴结受累，预测根治性前列腺切除术后的BCR。虽然这些模型有价值且已确立，但它们不包含生物或分子影像标记。例如，近期研究证明了68Ga-PSMA正电子断层扫描的预后价值，并建议其与CAPRA-S结合以增强复发风险分层的^潜力。我们的模型通过整合全身炎症（通过SII）和高灵敏成像（通过18F-PSMA-1007 PET/CT）来补充这些方法，有望为个体化风险分层提供更好的粒度。未来的研究可探索结合既有的命名图与新兴生物标志物的混合模型，以提高预后准确性。

然而，这项研究存在局限性。我们的分析是回顾性的，仅限于单一机构，可能引入了选择偏差。中位随访15个月，虽然对于早期复发事件来说足够，但限制了对长期结局如无转移生存率和癌症特异性死亡率的评估。需要更大规模、前瞻性、多中心的队列以验证我们的发现并精进模型校准。此外，未来整合基因组风险评分和PET/CT衍生的放射学特征，有望进一步提升预测精度²³。本研究的另一个关键局限是其回顾性单中心设计，样本量相对有限，这可能影响预测模型的普遍性。尽管内部验证采用70/30的训练-测试分割显示出优异的模型表现，但使用更大多中心队列进行外部验证对于确认其在不同临床环境中的可重复性和适用性至关重要。我们目前计划开展多中心前瞻性研究，外部验证该模型，从而实现更稳健的预测准确性评估、校准及指导术后决策的实际效用。此外，使用逻辑回归来建模BCR也是一个局限性。虽然Cox比例风险模型非常适合分析无复发生存期，但我们的研究重点是预测固定随访期内的BCR状态。此外，复发的确切时间未对所有患者均有统一记录，限制了事件时间分析的可行性。未来采用标准化随访间隔的前瞻性研究将允许利用Cox回归进行生存模型，进一步精细化风险预测。我们承认，标准ROC曲线可能无法完全捕捉复发风险随时间变化的差异。时间依赖ROC分析更适合建模生存期结局，未来研究可结合标准化且长期随访数据评估模型表现。

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
18F-PSMA-1007	陕西正泽生物科技有限公司，中国	18F-PSMA-1007	用于前列腺癌病变PET/CT成像的放射示踪剂
Advantage Workstation软件	GE医疗保健，美国芝加哥，伊利诺伊州	版本4.7	用于PET/CT图像处理、感兴趣区域定义和SUVmax定量
血液分析仪	深圳明瑞医疗电子有限公司	6000PLUS	用于测量中性粒细胞、淋巴细胞和血小板计数，以计算SII
PET/CT扫描仪	GE医疗保健，美国芝加哥，伊利诺伊州	Discovery VCT	用于全身PET/CT图像获取
ROI/图像分析软件	GE医疗保健，美国芝加哥，伊利诺伊州	Advantage Workstation软件（版本4.7）	用于图像审查和定量病变分析
R软件环境	R统计计算基金会，奥地利维也纳	版本4.2.2	用于统计分析、ROC分析和模型校准
SPSS统计软件	IBM公司，美国纽约阿蒙克	版本26.0	用于统计分析