Entwicklung und interne Validierung eines Vorhersagemodells für biochemische Rückfälle nach radikaler Prostatektomie

Summary

Diese retrospektive Studie entwickelte und validierte intern ein prädiktives Modell für biochemische Rückfälle nach radikaler Prostatektomie bei 240 Patienten. Pathologische Stadie, Lymphknotenmetastase, Positronenemissions-Tomographie – positive Läsionen und SUV_max – waren unabhängige Prädiktoren. Das Modell zeigte eine starke Diskriminierung, Kalibrierung und klinische Nützlichkeit für die postoperative Risikostratifizierung.

Abstract

Diese Studie zielte darauf ab, ein prädiktives Modell für das biochemische Rückfall (BCR) nach einer radikalen Prostatektomie bei Patienten mit Prostatakrebs zu entwickeln und zu validieren, das klinische, pathologische, entzündliche und 18F-PSMA-1007 Positronenemissions-Tomographie/Computertomographie (PET/CT) Bildgebende Parameter einbezieht. Diese retrospektive Studie umfasste 240 Patienten mit histopathologisch bestätigtem Prostataadenokarzinom, die sich zwischen Juni 2022 und Juli 2025 einer radikalen Prostatektomie unterzogen. BCR wurde als postoperatives, prostataspezifisches serumspezifisches Antigen definiert (≥0,2 ng/mL). Präoperative klinische Variablen, der systemische Immun-Entzündungsindex (SII), PET/CT-Läsionsstatus und der maximale standardisierte Aufnahmewert (SUV_max) wurden zusammen mit postoperativer pathologischer Stadieneinteilung erfasst. Die Patienten wurden in BCR- (n = 64) und Non-BCR-Gruppen (n = 176) eingeteilt. Univariate und multivariate logistische Regressionsanalysen identifizierten unabhängige Prädiktoren für BCR. Ein multivariables prädiktives Modell wurde entwickelt und intern validiert, wobei eine 70/30-Trainings-Validierungsaufteilung verwendet wurde. Die Modellleistung wurde anhand von Empfänger-Betriebscharakteristiekkurven, Fläche unter der Kurve (AUC), Kalibrierung und Entscheidungskurvenanalyse bewertet. Patienten mit BCR zeigten ein fortgeschritteneres pathologisches Stadium (pT3–4: 96,9 % vs. 52,3 %, p < 0,001), höhere Lymphknotenmetastasenraten (59,4 % vs. 29,5 %, p < 0,001), einen höheren SII (682,45 ± 118,23 vs. 637,08 ± 92,40, p = 0,002) und höhere_SUV-Maxwerte (6,59 ± 1,34 vs. 4,92 ± 1,49, p < 0,001). Multivariate Analysen identifizierten pathologische Stadien (OR = 36,814, p < 0,001), Lymphknotenstatus (OR = 7,286, p < 0,001), SUV_Max (OR = 2,732, p < 0,001) und PET-positive Läsionen (OR = 27,929, S. < 0,001) als unabhängige Prädiktoren für BCR. Das kombinierte prädiktive Modell erzielte hervorragende Diskriminierung in der Ausbildung (AUC = 0,952) und in Validierungskohorten (AUC = 0,927). Kalibrierungskurven zeigten eine Übereinstimmung zwischen vorhergesagten und beobachteten Ergebnissen, und die Entscheidungskurvenanalyse zeigte einen überlegenen klinischen Nettonutzen im Vergleich zu Treat-All- und Treat-Non-Strategien. Das integrierte Modell zeigt ausgezeichnete Diskriminierung und klinischen Nutzen und unterstützt eine individualisierte postoperative Risikostratifizierung.

Introduction

Prostatakrebs bleibt eine der häufigsten bösartigen Erkrankungen bei Männern weltweit, und die radikale Prostatektomie stellt eine zentrale Behandlungsoption für Patienten mit lokalisierter Erkrankung ^1,2 dar. Trotz Verbesserungen bei chirurgischen Techniken und Patientenauswahl tritt bei etwa 20–40 % der Fälle ein biochemisches Rezidiv (BCR) auf, was auf anhaltende oder wiederholende Erkrankungen sowie erhöhte Risiken für Metastasen und Sterblichkeit hinweist ^2,3. Eine genaue Vorhersage der BCR nach Prostatektomie bleibt eine Herausforderung, weshalb wirksamere prognostische Werkzeuge erforderlich sind, die klinische, immunologische und fortschrittliche Bildgebende Parameter kombinieren, um postoperative Überwachung und adjuvante Behandlungen zu steuern.

Entzündungen und Immunantworten spielen eine wesentliche Rolle beim Fortschreiten und Wiederauftreten von Tumoren. Der systemische Immun-Entzündungsindex (SII), ein neuartiger entzündlicher Biomarker, der aus peripheren Neutrophil-, Lymphozyten- und Thrombozytenzahlen berechnet wird, hat bei verschiedenen Krebsarten^{prognostische} Bedeutung gezeigt ^4,5,6. Darüber hinaus hat die 18F-PSMA-1007 Positronenemissionstomographie/Computertomographie (PET/CT), eine prostataspezifische membranbasierte antigenbasierte Bildgebungsmethode, vielversprechende Nachweise von wiederkehrenden Erkrankungen früher als herkömmliche Bildgebungsverfahren^{gezeigt und so} potenziell die postoperative Prognose verbessert. Dieser integrative Ansatz geht über konventionelle klinisch-pathologische Modelle hinaus, indem er sowohl systemische entzündliche Biomarker als auch fortschrittliche molekulare Bildgebungsparameter einbezieht. Im Gegensatz zu etablierten Risikostratifizierungsinstrumenten wie dem CAPRA-S-Score oder der D'Amico-Klassifikation, die hauptsächlich auf klinisch-pathologischen Basisparametern basieren, integriert der vorgeschlagene Ansatz dynamische systemische Entzündungsindizes mit funktionellen molekularen Bildbefunden.

Der klinische Wert der Integration von Entzündungsmarkern wie SII, pathologischer Tumorstadiierung und fortschrittlichen bildgebenden Modalitäten, einschließlich 18F-PSMA-1007 PET/CT, zur Vorhersage des Rückfalls von Prostatakrebs bleibt jedoch unklar. Daher zielte diese Studie darauf ab, ein umfassendes prädiktives Modell für BCR nach radikaler Prostatektomie zu erstellen und intern zu validieren, indem diese Faktoren kombiniert werden, um die Risikostratifizierung zu verbessern, das postoperative Patientenmanagement zu optimieren und frühzeitige Interventionsstrategien zu erleichtern. Klinisch soll dieses Modell Klinikern dabei helfen, personalisierte Überwachungsprotokolle anzupassen und Hochrisikokandidaten zu identifizieren, die von frühen adjuvanten Interventionen oder intensivierter Nachbeobachtung profitieren könnten.

Protocol

Dieses Studienprotokoll wurde vom Ethikausschuss des ersten angeschlossenen Krankenhauses der Xinjiang Medizinischen Universität gemäß der Erklärung von Helsinki (Genehmigungsnummer: 230608-7) überprüft und genehmigt. Für diese retrospektive Studie wurde die informierte Einwilligung aufgehoben, da ausschließlich anonymisierte Patientendaten verwendet wurden, da diese keinerlei potenziellen Schaden oder Auswirkungen auf die Patientenversorgung darstellten.

Studiendesign und Patientenauswahl
Diese retrospektive Studie umfasste 240 Patienten mit histopathologisch bestätigtem Prostataadenokarzinom, die sich zwischen Juni 2022 und Juli 2025 einer radikalen Prostatektomie unterzogen. Die Patienten wurden durch eine systematische Suche im elektronischen Patientenaktensystem des ersten angeschlossenen Krankenhauses der Xinjiang Medical University identifiziert. Es wurde eine aufeinanderfolgende Stichprobenmethode verwendet, um Selektionsverzerrung zu minimieren. Die Patienten wurden in eine BCR-Gruppe (n = 64) und eine Nicht-BCR-Gruppe (n = 176) eingeteilt, basierend auf postoperativen Serum-prostataspezifischen Antigenwerten (PSA), wobei das BCR als Serum-PSA-Wert von ≥0,2 ng/mL definiert ist, bestätigt durch zwei aufeinanderfolgende Messungen. Die Einschlusskriterien waren wie folgt: (1) histopathologisch bestätigtes Prostataadenokarzinom; (2) Radikale Prostatektomie durchgeführt; und (3) Verfügbarkeit vollständiger klinischer, pathologischer und bildgebender Daten. Diese Kriterien wurden unabhängig voneinander von zwei erfahrenen Forschern (Yubin Li und Qizhou Zhang) angewendet. Etwaige Meinungsverschiedenheiten bezüglich der Anspruchsberechtigung wurden durch Gespräche oder Beratung mit einem dritten leitenden Prüfer gelöst. Die Ausschlusskriterien waren: (1) Gleason-Score von <7; (2) Erhalt präoperativer Hormontherapie, Chemotherapie oder Strahlentherapie oder unvollständiger medizinischer Unterlagen; und (3) Erhalt einer neoadjuvanten Therapie, einschließlich Androgendeprivationstherapie, Chemotherapie oder Strahlentherapie, vor PET/CT oder Operation. Die Ausschlusskriterien wurden nacheinander angewendet. Patienten, die neoadjuvante oder präoperative Therapien erhielten, wurden zuerst ausgeschlossen, gefolgt von Patienten mit Gleason-Werten von <7 und schließlich solchen mit fehlenden Schlüsseldatenpunkten. Bei Patienten, die mehrere Ausschlusskriterien erfüllten, wurde der Hauptgrund für den Ausschluss dokumentiert. Patienten mit fehlenden oder unvollständigen klinischen, pathologischen oder bildgebenden Daten wurden aus der Endanalyse ausgeschlossen, um die Robustheit des prädiktiven Modells sicherzustellen. Aufgrund des retrospektiven Studiendesigns wurden keine Datenimputationsmethoden angewandt.

Klinische und pathologische Datenerhebung
Klinische Ausgangsdaten, darunter Patientenalter, Gleason-Score, präoperative Serum-PSA-Werte, pathologisches Tumorstadium, Lymphknotenbeteiligung und postoperative Nachsorgedetails, wurden retrospektiv aus elektronischen Krankenakten extrahiert. Die Datenextraktion erfolgte durch manuelle Überprüfung der elektronischen Patientenakten durch zwei unabhängige Forscher mit einem standardisierten Datenerfassungsformular, um Konsistenz sicherzustellen. Etwaige Unstimmigkeiten zwischen den beiden Forschern wurden durch Konsens oder Konsultation mit einem dritten leitenden Prüfer gelöst, der die ursprünglichen medizinischen Unterlagen überprüfte. Pathologische Tumorstadien wurden gemäß der 8. Ausgabe des TNM-Stadiensystems des American Joint Committee on Cancer klassifiziert. Die Stadiendaten wurden direkt aus den ursprünglichen postoperativen Pathologieberichten der Krankenhauspathologie gewonnen. Um die Genauigkeit zu gewährleisten, wurden alle pathologischen Berichte und repräsentativen Objektträger sekundär von einem erfahrenen Uropathologen überprüft, der auf die bildgebenden Ergebnisse und klinischen Ergebnisse verblindet war.

Systemischer Immun-Entzündungsindex (SII)
Präoperative periphere Blutproben wurden von allen Patienten entnommen. Blutproben wurden innerhalb von 7 Tagen vor der Operation per Venenpunktion entnommen. Alle Patienten mussten mindestens 8 Stunden vor der Probenentnahme fasten, um die Ausgangsstabilität sicherzustellen. Laborparameter, darunter Neutrophil-, Lymphozyten- und Thrombozytenzählen, wurden in einem einzigen zentralen klinischen Labor an unserer Einrichtung mit standardisierten automatisierten Hämatologieanalysatoren verarbeitet und analysiert. Der SII wurde mit folgender Gleichung berechnet:

Der optimale Cutoff-Wert für SII wurde mittels r-Eceiver-Betriebscharakteristik (ROC)-Analyse und Youden-Index bestimmt. Der Cutoff-Wert war datenbasiert und wurde aus dem gesamten Datensatz mit dem "pROC"-Paket in der R-Statistikanalysesoftware (Version 4.2.2) abgeleitet. Die ROC-Analyse wurde durchgeführt, um die kombinierte Sensitivität und Spezifität zu maximieren, und der resultierende Schwellenwert wurde verwendet, um Patienten in Gruppen mit hohem SII und niedrigem SII zu kategorisieren.

18F-PSMA-1007 PET/CT Bildgebungsprotokoll und Analyse
Alle Patienten unterzogen sich innerhalb von vier Wochen vor der Operation einer präoperativen Bildgebung mit 18F-PSMA-1007 PET/CT. Der Zeitpunkt der Bildaufnahme im Zusammenhang mit der Operation war standardisiert, und Patienten mit einem Bildgebungs-zu-Operations-Intervall von mehr als 30 Tagen wurden ausgeschlossen, um eine Konsistenz zwischen den Bildbefunden und dem pathologischen Status sicherzustellen. Die Bildgebung wurde nach intravenöser Verabreichung von 4,0 MBq/kg von 18F-PSMA-1007 durchgeführt. Der Radiotracer wurde vor Ort mit einem Zyklotron und einem automatisierten Synthesemodul synthetisiert. Vor jeder Injektion wurden Qualitätskontrollverfahren durchgeführt, um eine radiochemische Reinheit von >95 % sicherzustellen. Die Dosierung von Radiotracer wurde entsprechend dem Körpergewicht standardisiert, und es wurden keine größeren Abweichungen der Dosierung festgestellt. PET/CT-Scans wurden etwa 60 Minuten nach der Injektion von der Schädelbasis bis zur Mitte des Oberschenkels mit einem speziellen PET/CT-System aufgenommen. Die Scans wurden mit einem Discovery VCT PET/CT-Scanner durchgeführt. CT-Erfassungsparameter umfassten 120 kV, automatische Röhrenstrommodulation (150–200 mA) und eine Schnittdicke von 3,0 mm. PET-Bilder wurden mit einem Algorithmus zur Maximierung der geordneten Teilmengenerwartung rekonstruiert, mit einer Matrixgröße von 192 × 192 oder 256 × 256, wobei Flugzeit- und Punktstreufunktionskorrekturen einbezogen wurden.

PET/CT-Bilder wurden unabhängig von zwei erfahrenen Nuklearmedizinern analysiert, die für die klinischen und pathologischen Ergebnisse blind waren. Die Interobserver-Übereinstimmung wurde mit dem Cohenschen Kappa-Koeffizienten bewertet. Eventuelle Unstimmigkeiten bei der Lokalisierung oder Kategorisierung der Läsion wurden durch Konsensbegutachtung oder Beratung mit einem dritten leitenden Nuklearmediziner behoben. Die visuelle Analyse kategorisierte Läsionen als positiv (lokales Rückfall, Beckenlymphknoten oder entfernte Metastasen) oder negativ. Die Läsionen wurden gemäß den Standardisierten Kriterien der molekularen Bildgebung von Prostatakrebs als positiv klassifiziert. Konkret wurde eine Aufnahme von fokalen Tracern, die die umgebende Hintergrundaktivität übersteigt und nicht auf physiologische Verteilung (z. B. Harnleiter- oder Blasenaktivität) zurückzuführen ist, als Hinweis auf Rückfall oder Metastasen angesehen. Zusätzlich wurde der maximale standardisierte Aufnahmewert (_SUV-Max) der vermuteten Läsionen erfasst. Interessensgebiete wurden manuell mit einem dreidimensionalen kugelförmigen Volumen definiert, das die Fokalaufnahme auf PET-Bildern umfasste. Bei Patienten mit mehreren Läsionen wurde die Läsion mit der höchsten Aufnahme für die_maximale SUV-Messung ausgewählt. Quantitative Bildanalysen wurden mit der Advantage Workstation-Software (Version 4.7) durchgeführt.

Nachverfolgung und biochemische Rekurrenzdefinition
Die Nachsorge umfasste regelmäßige klinische Besuche alle drei bis sechs Monate postoperativ mit Serum-PSA-Messungen. Die gesamte Nachbeobachtungsdauer der gesamten Kohorte lag zwischen 8 und 19 Monaten. Die Nachbeobachtungsintervalle waren im Allgemeinen bei allen Patienten konsistent. Für Patienten, die geplante Termine verpasst haben, wurden die Nachsorgeinformationen per Telefoninterview oder durch die Durchsicht der aktuellsten ambulanten Unterlagen in unserer Einrichtung aktualisiert. Patienten, die vor der Mindest-6-Monats-Schwelle oder vor der Dokumentation eines BCR-Ereignisses durch Nachbeobachtung verloren gingen, wurden zur Wahrung der Datenintegrität von der Endanalyse ausgeschlossen. BCR wurde als postoperativer Serum-PSA-Wert von ≥0,2 ng/mL definiert, der durch zwei aufeinanderfolgende Messungen bestätigt wurde. Die bestätigenden PSA-Messungen wurden typischerweise im Abstand von 4–8 Wochen durchgeführt. Diese Definition von BCR wurde im gesamten Manuskript konsistent angewendet und diente als primärer Endpunkt des prädiktiven Modells.

Untergruppenanalyse
Um die Robustheit des prädiktiven Modells zu bewerten und potenzielle Verzweigungen durch kurze Nachbeobachtungsdauern zu verringern, wurde eine Subgruppenanalyse bei Patienten mit Nachbeobachtungsdauern >12 Monaten durchgeführt. Insgesamt erfüllten 133 Patienten dieses Kriterium, während 107 Patienten mit Nachbeobachtungsdauern von ≤12 Monaten aus der Subgruppenanalyse ausgeschlossen wurden. In dieser Untergruppe wurde anschließend eine multivariate logistische Regressionsanalyse unter Verwendung derselben statistischen Methodik wie in der Primäranalyse durchgeführt.

Statistische Analyse
Kontinuierliche Variablen wurden als Median und Bereich dargestellt, während kategoriale Variablen als Frequenzen und Prozentsätze angegeben wurden. Die Datenverteilung wurde mit dem Shapiro–Wilk-Test bewertet. Kontinuierliche Variablen mit Normalverteilung wurden als Mittelwert ± Standardabweichung (SD) dargestellt und mit dem Schüler-t-Test verglichen. Variablen mit einer nicht-normalen Verteilung wurden als Median und Bereich ausgedrückt und mit dem Mann–Whitney-U-Test verglichen. Kategoriale Variablen wurden je nach Bedarf mit dem Chi-Quadrat-Test oder dem Fisher-Exakt-Test verglichen. Vor der Analyse wurden die Annahmen für den Chi-Quadrat-Test überprüft, einschließlich der Bestätigung, dass nicht mehr als 20 % der Zellen erwartete Frequenzen <5 hatten. Wenn diese Annahmen verletzt wurden, wurde Fishers exakter Test angewandt, um die statistische Validität sicherzustellen.

Ein multivariates logistisches Regressionsmodell wurde entwickelt, um BCR vorherzusagen und klinisch relevante Faktoren wie SII, PET/CT-SUV_MAX, BILDGEBENDE POSITIVITÄT UND PATHOLOGISCHE TUMORSTADIE EINZUBEZIEHEN. Variablen mit p-Werten <0,05 in der univariaten Analyse sowie Variablen, die aufgrund früherer Literatur als klinisch relevant angesehen wurden, wurden in das multivariate Modell eingetragen. Die Multikollinearität zwischen Prädiktoren wurde anhand des Varianzinflationsfaktors bewertet, wobei Werte von <5 als akzeptabel galten.

Die interne Validierung des prädiktiven Modells erfolgte mit einer 70/30-Train-Test-Split-Methode. Der Datensatz wurde zufällig in Trainingskohorten (70 %) und Testkohorten (30 %) unterteilt, wobei stratifizierte Stichproben verwendet wurden, um die BCR-Ereignisverteilung über beide Kohorten zu erhalten. Ein fester zufälliger Seed wurde angewendet, um die Reproduzierbarkeit sicherzustellen. Die Modellleistung wurde mit ROC-Kurven und der entsprechenden Fläche unter den Kurvenwerten (AUC) bewertet. Die Kalibrierung wurde mit dem Hosmer–Lemeshow Gutness-of-Fit-Test bewertet. Zusätzlich wurde eine Entscheidungskurvenanalyse durchgeführt, um den klinischen Nettonutzen des integrativen Modells zu bewerten.

Statistische Analysen wurden mit SPSS-Software (Version 26.0) und R-Statistiksoftware (Version 4.2.2) durchgeführt. Die statistischen Analyse-Softwarepakete "pROC" und "rms" wurden jeweils für ROC- und Kalibrierungsanalysen verwendet. Die statistische Signifikanz wurde als p < 0,05 definiert. Da das primäre Ergebnis während der Nachbeobachtung der binäre BCR-Status war, wurde die Modellleistung mittels ROC-Kurven und AUC-Metriken bewertet. Eine zeitabhängige ROC-Analyse wurde nicht durchgeführt, da Rekurrenzzeitpunkte nicht einheitlich in der gesamten Kohorte erfasst wurden. Vor der Analyse wurden die Daten auf Ausreißer gescreent, und es wurden keine extremen Werte identifiziert, die eine Transformation erfordern. Kontinuierliche Variablen wurden in ihrer ursprünglichen Form analysiert, um die klinische Interpretierbarkeit zu erhalten.

Results

Basismerkmale
Patienten mit BCR wiesen signifikant fortgeschrittenere pathologische Tumorstadien auf (pT3–4: 96,9 % vs. 52,3 %, p < 0,001), höhere Lymphknotenmetastasen (59,4 % vs. 29,5 %, p < 0,001), erhöhte SII-Werte (682,45 ± 118,23 vs. 637,08 ± 92,40, p = 0,002) sowie höhere maximale standardisierte Aufnahmewerte (SUV_max) bei PET/CT-Bildgebung (6,59 ± 1,34 vs. 4,92 ± 1,49), p < 0,001) im Vergleich zu Patienten ohne BCR. PET-positive Läsionen traten ebenfalls signifikant häufiger in der BCR-Gruppe auf als in der Nicht-BCR-Gruppe (73,4 % vs. 14,8 %, s. < 0,001). Im Gegensatz dazu unterschieden sich die Alters- und Gleason-Score-Verteilungen zwischen den beiden Gruppen nicht signifikant (Tabelle 1).

Merkmale	BCR-Rekurrenzgruppe (n = 64)	Nichtrekurrenzgruppe (n = 176)	Statistischer Test	P-Wert
Alter (Jahre), Median (Bereich)	68 (56–78)	67 (55–79)	U = 5034	0.208
Präoperative PSA (ng/mL), Mittelwert ± SD	14.24 ± 6.253	16.20 ± 5.502	t = 2,216	0.029
Gleason-Wert, 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)
Pathologische Tumorstadie, n (%)			χ² = 40.607	<0,001
pT2	2 (3.1)	84 (47.7)
pT3–4	62 (96.9)	92 (52.3)
Lymphknotenstatus, n (%)			χ² = 17.818	<0,001
Positiv	38 (59.4)	52 (29.5)
Negativ	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-positive Läsionen, n (%)			χ² = 76.317	<0,001
Positiv	47 (73.4)	26 (14.8)
Negativ	17 (26.6)	150 (85.2)
Nachbeobachtungszeit (Monate), Median (Bereich)	11 (10–19)	13 (8–19)	U = 5422,5	0.66

Tabelle 1: Basismerkmale klinischer, pathologischer, entzündlicher und bildgebender Merkmale von Patienten mit und ohne BCR. Kontinuierliche Variablen werden als Mittelwert ± Standardabweichung (SD) oder Median (Bereich) dargestellt, je nachdem, während kategoriale Variablen als Zahl (%) dargestellt werden. Gruppenvergleiche wurden mit dem Studenten-t-Test, dem Mann–Whitney-U-Test oder dem Chi-Quadrat-(^χ-2)-Test durchgeführt, je nach Zweck. Abkürzungen: BCR, biochemische Rezidiv; PSA, prostataspezifisches Antigen; SII, systemischer Immun-Entzündungsindex; SUV_maximal, maximal standardisierter Aufnahmewert; PET, Positronen-Emissionstomographie.

Univariate und multivariate logistische Regressionsanalyse der biochemischen Rekurrenz
Tabelle 2 fasst die Ergebnisse der univariaten und multivariaten logistischen Regressionsanalysen zusammen, die Faktoren bewerten, die mit der BCR nach radikaler Prostatektomie verbunden sind.

Variable	Univariates OR (95 % KI)	P-Wert	Multivariates OR (95 % KI)	P-Wert
Alter (Jahre)	1.025 (0.985–1.067)	0.216	–	–
Präoperative PSA (ng/mL)	0.941 (0.894–0.991)	0.021	0.973 (0.898–1.054)	0.498
Gleason-Score	1.145 (0.925–1.417)	0.214	–	–
Pathologische Tumorphase	28.304 (6.714–119.322)	<0,001	36.814 (5.930–228.533)	<0,001
Lymphknotenstatus	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-positive Läsionen	15.950 (7.972–31.914)	<0,001	27.929 (8.662–90.313)	<0,001

Tabelle 2: Univariate und multivariate logistische Regressionsanalysen von Faktoren, die mit BCR assoziiert sind. ORs und entsprechende 95%-KIs werden für klinische, pathologische, inflammatoriske und bildgebende Variablen präsentiert, die mit BCR nach einer radikalen Prostatektomie verbunden sind. Die im multivariaten logistischen Regressionsmodell enthaltenen Variablen wurden basierend auf der statistischen Signifikanz in der Univariatanalyse und/oder der nachgewiesenen klinischen Relevanz ausgewählt. Abkürzungen: BCR, biochemische Rezidiv; ODER, Odds Ratio; CI, Konfidenzintervall; PSA, prostataspezifisches Antigen; SII, systemischer Immun-Entzündungsindex; SUVmax, maximal standardisierter Aufnahmewert; PET, Positronen-Emissionstomographie.

In der univariaten logistischen Regressionsanalyse waren mehrere Variablen signifikant mit BCR assoziiert. Höhere präoperative PSA-Werte waren mit einer geringeren Wahrscheinlichkeit eines Rückfalls verbunden (OR = 0,941, 95%-KI: 0,894–0,991, p = 0,021). Das fortgeschrittene pathologische Tumorstadium (pT3–4 vs. pT2) zeigte eine starke Assoziation mit BCR (OR = 28,304, 95%-KI: 6,714–119,322, S. < 0,001). Die Lymphknoten-Positivität war ebenfalls signifikant mit dem Rezidivrisiko assoziiert (OR = 3,485, 95%-KI: 1,923–6,317, S. < 0,001). Unter den biomarkerbezogenen Variablen waren erhöhte SII-Werte (OR = 1,005, 95%-KI: 1,002–1,008, p = 0,003), höhere PET/CT-SUV-MAX-Werte (OR = 2,302, 95%-KI: 1,773–2,989, p < 0,001) und das Vorhandensein von PET-positiven Läsionen (OR = 15,950, 95%-KI: 7,972–31,914, p < 0,001) alle signifikant mit einem erhöhten BCR-Risiko assoziiert. Im Gegensatz dazu waren Alter und Gleason-Wert nicht signifikant mit einem Rückfall assoziiert.

Im multivariaten logistischen Regressionsmodell blieben vier Variablen unabhängige Prädiktoren der BCR. Das fortgeschrittene pathologische Tumorstadium blieb stark mit dem Rezidivrisiko assoziiert (OR = 36,814, 95 % KI: 5,930–228,533, S. < 0,001), ebenso wie die Metastasen der Lymphknoten (OR = 7,286, 95 % KI: 2,264–23,445, S. < 0,001). PET/CT SUV_max blieb ebenfalls unabhängig mit BCR assoziiert (OR = 2,732, 95%-KI: 1,768–4,221, S. < 0,001). PET-positive Läsionen zeigten die stärkste unabhängige Assoziation mit dem Rückfall (OR = 27,929, 95%-KI: 8,662–90,313, S. < 0,001). Präoperative PSA-Werte und SII-Werte waren in der multivariaten Analyse statistisch nicht signifikant.

Modellleistung und Validierung
Das kombinierte prädiktive Modell zeigte eine starke diskriminierende Leistung bei der Vorhersage von BCR. In der Trainingskohorte erreichte das Modell einen AUC von 0,952 (95%-KI: 0,915–0,990) und übertraf damit alle einzelnen Prädiktoren. Unter den Ein-Variablen-Prädiktoren zeigten PET/CT_{SUV MAX (} AUC = 0,793, 95%-KI: 0,721–0,864) UND PET-POSITIVE Läsionen (AUC = 0,790, 95%-KI: 0,715–0,864) die höchste diskriminierende Leistung. Im Vergleich dazu zeigte das pathologische Tumorstadium eine moderate prädiktive Leistung (AUC = 0,739), während der Lymphknotenstatus und das SII eine geringere prädiktive Genauigkeit zeigten.

In der Validierungskohorte behielt das kombinierte Modell eine ausgezeichnete Diskriminierungsfähigkeit auf, mit einem Auc von 0,927 (95%-KI: 0,861–0,994), was die Robustheit und Stabilität des prädiktiven Modells bestätigte. Die relative Leistungsbewertung der einzelnen Prädiktoren blieb konsistent, wobei PET/CT-SUV_{MAX und} PET-positive Läsionen erneut die stärkste diskriminierende Leistung zeigten.

Kalibrierungsdiagramme in beiden Kohorten zeigten eine Übereinstimmung zwischen den vorhergesagten und beobachteten BCR-Wahrscheinlichkeiten; jedoch wurden Abweichungen von der idealen Kalibrierung beobachtet. Die Trainingskohorte ergab einen Kalibrierungsintercept von –3,80 und eine Steigung von 7,34, während die Validierungskohorte einen Intercept von –3,36 und eine Steigung von 6,37 zeigte. Obwohl die Kalibrierungskurven im Allgemeinen der Referenzlinie folgten, deuten diese Steigungswerte auf eine mögliche Modellüberanpassung oder Kalibrierungsinstabilität hin und sollten daher mit Vorsicht interpretiert werden (Abbildung 1).

Abbildung 1. Leistungsbewertung des kombinierten prädiktiven Modells in Trainings- und Validierungskohorten. (A) ROC-Kurven, die das kombinierte Modell und einzelne Prädiktoren in der Trainingskohorte vergleichen. (B) ROC-Kurven, die das kombinierte Modell und einzelne Prädiktoren in der Validierungskohorte vergleichen. (C) Kalibrierungskurve des kombinierten Modells in der Trainingskohorte, die Übereinstimmung zwischen vorhergesagten und beobachteten BCR-Wahrscheinlichkeiten zeigt. (D) Kalibrierungskurve des kombinierten Modells in der Validierungskohorte. Die diagonal gestrichelte Linie stellt die ideale Kalibrierung dar, und die Durchschnittskurve stellt die modellvorhergesagten Wahrscheinlichkeiten dar. Abkürzungen: ROC, Receiver Operating Characteristic; AUC, Fläche unter der Kurve; SII, systemischer Immun-Entzündungsindex; SUV_maximal, maximal standardisierter Aufnahmewert; LN_pos, Lymphknoten-Positivität; PET_pos, Positronenemissions-Tomographie-positive Läsionen; BCR, biochemisches Rückfall. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Die Entscheidungskurvenanalyse unterstützte zudem den klinischen Nutzen des kombinierten prädiktiven Modells. In der Trainingskohorte erzielte das Modell einen maximalen Nettonutzen von 0,246 und übertraf sowohl die Treat-All- als auch Treat-None-Strategien über einen klinisch relevanten Schwellenwert von 0–0,50 hinweg, was auf potenziellen Nutzen für eine individualisierte postoperative Risikostratifizierung hinweist (Abbildung 2).

Abbildung 2. Entscheidungskurvenanalyse des kombinierten prädiktiven Modells. Entscheidungskurvenanalyse, die den netten klinischen Nutzen des kombinierten Modells über einen Bereich von Schwellenwahrscheinlichkeiten hinweg zeigt. Die durchgezogene Linie steht für das kombinierte Modell, die gestrichelte Linie für die Treat-All-Strategie und die gestrichelte Linie für die Treat-Non-Strategie. Das Modell zeigt einen höheren Nettonutzen über ein breites Spektrum von Schwellenwahrscheinlichkeiten hinweg und weist auf potenziellen klinischen Nutzen für eine individualisierte postoperative Risikostratifizierung hin. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Subgruppenanalyse (Nachbeobachtung > 12 Monaten)
Insgesamt wurden 133 Patienten in die Subgruppenanalyse einbezogen, nachdem 107 Patienten mit Nachbeobachtungsdauern von ≤12 Monaten ausgeschlossen wurden. Bei Patienten mit Nachbeobachtungsdauern >12 Monate (n = 133) zeigte die multivariate logistische Regressionsanalyse, dass das pathologische Tumorstadium (OR = 36,814, 95 % KI: 5,930–228,533, p < 0,001), Lymphknotenstatus (OR = 22,064, 95 % KI: 3,275–288,367, p < 0,001), PET/CT SUV_{MAX (} OR = 10,245, 95 % KI: 2,905–72,867, P = 0,004) UND PET-POSITIVE Läsionen (OR = 51,458, 95%-KI: 8,940–530,327, s. < 0,001) blieb signifikant mit BCR assoziiert. Im Gegensatz dazu war SII in der Untergruppenanalyse nicht unabhängig mit BCR assoziiert (OR = 1,004, 95%-KI: 0,997–1,012, p = 0,255) (Tabelle 3).

Parameter	Odds Ratio (95 % KI)	P-Wert
Pathologische Tumorphase	36.814 (5.930–228.533)	<0,001
Lymphknotenstatus	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-positive Läsionen	51.458 (8.940–530.327)	<0,001

Tabelle 3: Multivariate logistische Regressionsanalyse der mit BCR assoziierten Faktoren bei Patienten mit Nachbeobachtungsdauern von >12 Monaten. Multivariate logistische Regressionsanalyse wurde in einer Untergruppe von Patienten mit Nachbeobachtungsdauern >12 Monate (n = 133) durchgeführt, um die Robustheit der Prädiktoren zu bewerten, die mit BCR nach radikaler Prostatektomie assoziiert sind. Odds Ratios (ORs) mit entsprechenden 95%-Konfidenzintervallen (KI) werden für alle im multivariaten Modell enthaltenen Variablen präsentiert. Abkürzungen: BCR, biochemische Rezidiv; ODER, Odds Ratio; CI, Konfidenzintervall; SII, systemischer Immun-Entzündungsindex; SUV_maximal, maximal standardisierter Aufnahmewert; PET, Positronen-Emissionstomographie.

Datenverfügbarkeit:
Alle während dieser Studie generierten oder analysierten Daten sind in diesem veröffentlichten Artikel und seiner ergänzenden Informationsdatei (ergänzende Tabelle 1) enthalten.

Ergänzende Tabelle 1: De-identifizierter Patientendatensatz, der für die Entwicklung und Validierung prädiktiver Modelle verwendet wird. Die ergänzende Tabelle enthält deidentifizierte klinische, pathologische, inflammatoriske, bildgebende, Nachbeobachtungs- und Endpunktvariablen auf Patientenebene, die für die Modellentwicklung und -validierung verwendet werden. Zu den Variablen gehören SII, PET/CT-SUV_MAX, PET/CT-Läsionspositivitätsstatus, pathologisches Tumorstadium, biochemischer Rückfallstatus (BCR), Alter, Gleason-Score, präoperativer PSA-Wert, Lymphknotenstatus, Nachbeobachtungsdauer und Zeit bis zur BCR. Alle Patientenkennungen wurden vor der Analyse entfernt, um Vertraulichkeit und Einhaltung institutioneller ethischer Standards zu gewährleisten. Abkürzungen: SII, systemischer Immun-Entzündungsindex; PET/CT, Positronen-Emissions-Tomographie/Computertomographie; SUV_maximal, maximal standardisierter Aufnahmewert; BCR, biochemisches Rückfall; PSA, prostataspezifisches Antigen. Bitte klicken Sie hier, um diese Datei herunterzuladen.

Discussion

In dieser Studie entwickelten wir erfolgreich ein umfassendes prädiktives Modell für BCR nach einer radikalen Prostatektomie bei Prostatakrebspatienten, das SII, pathologische Tumorstadium, Lymphknotenstatus und präoperative 18F-PSMA-1007 PET/CT-Bildgebende Ergebnisse integrierte. Das Modell zeigte eine ausgezeichnete diskriminierende Leistung mit einem AUC von 0,95, was den Vorteil unterstreicht, mehrere biologische und bildgebende Marker für eine präzise Risikostratifizierung zu kombinieren. Das pathologische Tumorstadium erwies sich als starker und unabhängiger Prädiktor für BCR. Patienten mit fortgeschrittenen Tumoren (pT3b und pT4) zeigten signifikant höhere Rezidivraten, was mit der etablierten Literatur übereinstimmt, die Tumorstadien als kritischen Determinanten für Prognose ^1,2 anerkennt. Ein höheres Tumorstadium korreliert mit extrakapsularer Extension und Spermikelinvasion, die beide mit schlechten onkologischen Ergebnissen in Verbindung gebracht wurden³. Dies unterstreicht die Notwendigkeit einer sorgfältigen postoperativen Überwachung und der Berücksichtigung frühzeitiger adjuvanter Therapien bei Patienten mit hochrisikoreichen pathologischen Merkmalen⁹.

Die Rolle der präoperativen 18F-PSMA-1007 PET/CT-Bildgebung in unserem prädiktiven Modell ist besonders bemerkenswert. Patienten mit höheren_{SUV-Maximalwerten} und positiven PET/CT-Scans hatten signifikant erhöhte Risiken für BCR. Diese Ergebnisse stimmen mit früheren Forschungen überein, die die überlegene Sensitivität und Spezifität der prostataspezifischen Membranantigen (PSMA) PET-Bildgebung zur Erkennung von lokoregionalen und entfernten Rückfällen im Vergleich zu herkömmlichen bildgebenden Verfahren^10,11 zeigen. Eine Metaanalyse von Alberts et al. unterstützt zudem den Einsatz von PSMA-PET-Tracern und zeigt, dass höhere_{SUV-Maximalwerte} stark mit aggressiver Krankheitsbiologie⁷ assoziiert sind. Bemerkenswert ist, dass der_{SUV-Maximalschwellenwert} in unserer Studie (5,46) eng mit den in früheren multizentrischen Studien berichteten Studien übereinstimmte und seine externe Validität bestätigte. Darüber hinaus haben neue Studien den Nutzen von PSMA PET/CT zur Überwachung der Reaktion auf neoadjuvante Therapie bei Patienten mit Prostatakrebs^12,13 nachgewiesen. Unsere Kohorte beschränkte sich jedoch auf Patienten, die keine präoperative systemische Behandlung erhalten hatten, sodass wir den nativen prognostischen Wert von PET/CT und entzündlichen Biomarkern vor der therapeutischen Behandlung bewerten konnten. Obwohl 18F-PSMA-1007 PET/CT eine überlegene bildgebende Sensitivität bietet, ist sie noch nicht in allen Gesundheitssystemen, insbesondere in ressourcenarmen Umgebungen, weit verbreitet. Um die potenzielle Anpassungsfähigkeit unseres Modells zu untersuchen, führten wir eine explorative Analyse mit einem vereinfachten Modell durch, das nur das SII- und das pathologische Tumorstadium einbezog. Obwohl die prädiktive Leistung (AUC) dieses reduzierten Modells niedriger war als die des vollständigen Modells, behielt es eine moderate Diskriminierungskraft. Dieses Ergebnis legt nahe, dass ein vereinfachter Ansatz dennoch bei der grundlegenden postoperativen Risikostratifizierung helfen kann, wenn PSMA-PET nicht verfügbar ist. Zukünftige Forschung könnte sich darauf konzentrieren, solche vereinfachten Modelle zu optimieren oder andere breit zugängliche Biomarker für einen breiteren klinischen Nutzen zu integrieren.

Systemische Entzündungsmarker wie das SII spiegeln das Zusammenspiel zwischen der Immunität des Wirts und tumorfördernder Entzündung wider. Erhöhte SII-Werte waren in unserer Kohorte mit einem höheren Rückfallrisiko assoziiert, was mit früheren Metaanalysen übereinstimmt, die ihren prognostischen Wert über die genitourinären Malignitäten ^4,6 hervorhoben. Obwohl SII in der multivariaten Analyse keine statistische Signifikanz erreichte, trug es dem kombinierten Modell einen zusätzlichen Wert bei und unterstrich seine potenzielle Rolle als ergänzender Biomarker. Bemerkenswert ist, dass Li et al. und Lolli et al. zuvor den Zusammenhang zwischen erhöhtem SII und schlechter Überlebensrate bei Blasen- bzw. metastasiertem Prostatakrebs gezeigt haben⁵. Darüber hinaus wählten wir SII gegenüber anderen hämatologischen Markern wie dem Neutrophil-zu-Lymphozyten-Verhältnis (NLR) oder dem Blutplättchen-zu-Lymphozyten-Verhältnis (PLR), da SII drei Immunkomponenten – Neutrophile, Lymphozyten und Thrombozyten – umfasst und so einen umfassenderen Überblick über die Entzündungs- und Immunantwort des Wirts bietet. Mehrere vergleichende Studien und Metaanalysen haben gezeigt, dass SII einen überlegenen prognostischen Wert gegenüber NLR und PLR bei verschiedenen soliden Tumoren, einschließlich Prostatakrebs ^6,14,15. Darüber hinaus hat SII eine größere Reproduzierbarkeit und Stabilität über Patientengruppen hinweg gezeigt, was es zu einem vielversprechenden Kandidaten für die Risikostratifizierung in klinischen Umgebungen macht^16,17.

Obwohl SII in der Univariatanalyse eine signifikante Assoziation mit BCR aufwies, blieb es in der multivariaten Modellierung nicht unabhängig signifikant. Um zu beurteilen, ob dies auf Kollinearität oder nichtlineare Effekte zurückzuführen ist, führten wir post-hoc-explorative Analysen mit dichotomisierten SII-Werten, Z-Score-Normalisierung und Interaktionstermen mit PET/CT-Befunden und Tumorstadium durch. Diese Ansätze brachten keine statistisch signifikanten Verbesserungen, was darauf hindeutet, dass SII zwar systemische Entzündungen widerspiegelt, ihr inkrementeller prognostischer Wert jedoch in Anwesenheit stärkerer Bild- und pathologischer Prädiktoren begrenzt sein kann. Zukünftige Studien mit größeren Stichprobengrößen könnten die kontextuelle Rolle von entzündlichen Biomarkern in multimodalen Risikomodellen besser abgrenzen. Die Integration mehrerer Variablen in einen einzigen prädiktiven Rahmen verbessert die prognostische Genauigkeit im Vergleich zu einzelnen Faktoren allein. Jüngste Fortschritte in der onkologischen Forschung betonen die Überlegenheit multimodaler Modelle, die klinische, bildgebende und molekulare Parameter einbeziehen, um die Patientenversorgung zu personalisieren. Unser integriertes Modell übertraf deutlich die prädiktive Genauigkeit einzelner Prädiktoren und unterstützte damit diesen Paradigmenwechsel hin zur ganzheitlichen Risikobewertung. Ähnliche Befunde wurden in Modellen berichtet, die PSMA–PET-Ergebnisse mit genomischen Klassifikatoren¹⁸ kombinierten und AUC-Werte von über 0,90 bei der Vorhersage der frühen BCR erreichten. Während traditionelle klinisch-pathologische Faktoren wie präoperative PSA-Werte, Gleason-Wert, Status des chirurgischen Randes und Lymphknotenbeteiligung gut etablierte prognostische Indikatoren für BCR^19,20 sind, konzentrierte sich unsere Studie bewusst auf ein neuartiges integratives Modell, das die SII-, 18F-PSMA-1007 PET/CT-Bildgebende Merkmale und das pathologische Tumorstadium kombiniert. Dieser Ansatz zielte darauf ab, den prädiktiven Nutzen aufkommender biologischer und bildgebender Biomarker über konventionelle Variablen hinaus zu bewerten. Der Status des chirurgischen Randes wurde aufgrund inkonsistenter Dokumentationen in den Patientenakten ausgeschlossen. Obwohl der Lymphknotenstatus im finalen multivariaten Modell einbezogen wurde, wurde die potenzielle Multikollinearität mit dem pathologischen Tumorstadium während der Modellentwicklung sorgfältig bewertet. Dennoch erkennen wir an, dass die Integration zusätzlicher traditioneller klinischer Prädiktoren in zukünftige Modelle die prädiktive Genauigkeit und klinische Anwendbarkeit weiter verbessern könnte. Vergleichsstudien, die den additiven Wert von SII und PSMA PET/CT in Kombination mit etablierten klinischen Variablen bewerten, sind gerechtfertigt.

Darüber hinaus ergänzt die positive Leistung unseres Modells die sich entwickelnden Ansätze in der Präzisionsonkologie, bei der die frühzeitige Erkennung von Patienten mit hohem Rückfallrisiko maßgeschneiderte Adjuvansstrategien und eine engere postoperative Überwachung ermöglicht²¹. Die Einbindung fortschrittlicher Bildgebung mit biologischen Markern wie dem SII könnte den Weg für dynamische Risikomodelle ebnen, die im Verlauf der Patienten längsgradvis aktualisiert werden. Mehrere weit verbreitete Nomogramme, darunter der Cancer of the Prostate Risk Assessment Post-Surgical (CAPRA-S)-Score und das Stephenson-Nomogramm, wurden validiert, um BCR nach einer radikalen Prostatektomie anhand traditioneller klinischer und pathologischer Faktoren wie PSA-Wert, Gleason-Wert, chirurgischer Randstatus und Lymphknotenbeteiligung vorherzusagen. Obwohl diese Modelle wertvoll und gut etabliert sind, enthalten sie keine biologischen oder molekularen Bildmarker. So haben jüngste Arbeiten beispielsweise den prognostischen Wert der 68Ga-PSMA PET-Bildgebung nachgewiesen und eine mögliche Integration mit CAPRA-S zur verbesserten Rezidivrisikostratifizierung²² nahegelegt. Unser Modell ergänzt diese Ansätze, indem es systemische Entzündungen (über SII) und hochsensitive Bildgebung (mittels 18F-PSMA-1007 PET/CT) integriert, was potenziell eine verbesserte Granularität für eine individualisierte Risikostratifizierung ermöglicht. Zukünftige Forschungen könnten hybride Modelle erforschen, die etablierte Nomogramme mit neuen Biomarkern kombinieren, um die prognostische Genauigkeit zu verbessern.

Dennoch hat diese Studie Einschränkungen. Unsere Analyse war retrospektiv und beschränkte sich auf eine einzige Institution, was möglicherweise einen Selektionsfehler einführte. Die mediane Nachbeobachtungsdauer von 15 Monaten ist zwar ausreichend für frühe Rückfallereignisse, begrenzt aber die Bewertung langfristiger Ergebnisse wie metastasenfreies Überleben und krebsspezifischer Sterblichkeit. Größere, prospektive, multizentrische Kohorten sind berechtigt, um unsere Ergebnisse zu validieren und die Modellkalibrierung zu verfeinern. Darüber hinaus könnte die zukünftige Integration genomischer Risikowerte und radiomischer Merkmale aus PET/CT die prädiktive Präzision^weiter verbessern. Eine weitere wesentliche Einschränkung dieser Studie ist ihr retrospektives, ein-zentrales Design mit relativ begrenzter Stichprobengröße, was die Generalisierbarkeit des prädiktiven Modells beeinflussen kann. Obwohl die interne Validierung mit einer 70/30-Trainings-Test-Aufteilung eine hervorragende Modellleistung zeigte, ist externe Validierung mit größeren, multizentrischen Kohorten unerlässlich, um ihre Reproduzierbarkeit und Anwendbarkeit in verschiedenen klinischen Kontexten zu bestätigen. Wir planen derzeit eine multizentrische prospektive Studie, um dieses Modell extern zu validieren und eine robustere Bewertung der prädiktiven Genauigkeit, Kalibrierung und des realen Nutzens bei der Steuerung postoperativer Entscheidungen zu ermöglichen. Darüber hinaus ist die Verwendung der logistischen Regression zur Modellierung von BCR ebenfalls eine Einschränkung. Während die Cox-Proportional-Hazard-Modellierung ideal zur Analyse des rezidivfreien Überlebens ist, konzentrierte sich unsere Studie darauf, den BCR-Status innerhalb eines festen Nachbeobachtungszeitraums vorherzusagen. Außerdem wurde der genaue Zeitpunkt des Rezidivs nicht für alle Patienten einheitlich erfasst, was die Machbarkeit einer Zeit-zu-Ereignis-Analyse einschränkte. Zukünftige prospektive Studien mit standardisierten Nachbeobachtungsintervallen werden Überlebensmodellierungen mit Cox-Regression ermöglichen, um die Risikovorhersage weiter zu verfeinern. Wir erkennen an, dass die Verwendung standardisierter ROC-Kurven zeitabhängige Schwankungen des Rückfallrisikos möglicherweise nicht vollständig erfasst. Eine zeitabhängige ROC-Analyse eignet sich besser zur Modellierung von Überlebensergebnissen und könnte in zukünftige Studien mit standardisierten und langfristigen Nachbeobachtungsdaten integriert werden, um die Modellleistung über die Zeit zu bewerten.

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
18F-PSMA-1007	Shaanxi Zhengze Biotechnology Co., Ltd., China	18F-PSMA-1007	Radiotracer, der für PET/CT-Bildgebung von Prostatakrebsläsionen verwendet wird
Advantage Workstation Software	GE Healthcare, Chicago, IL, USA	Version 4.7	Verwendet für PET/CT-Bildverarbeitung, Definitionsregion von Interesse und SUVmax-Quantifizierung
Blutanalysator	Mindray Bio-Medical Electronics Co., Ltd., China	6000PLUS	Verwendet für die Messung von Neutrophilen-, Lymphozyten- und Thrombozytenzahlen für SII-Berechnung
PET/CT-Scanner	GE Healthcare, Chicago, IL, USA	Discovery VCT	Verwendet für die Ganzkörper-PET/CT-Bildaufnahme
ROI/Bildanalysesoftware	GE Healthcare, Chicago, IL, USA	Advantage Workstation Software (Version 4.7)	Verwendet für Bildüberprüfung und quantitative Läsionsanalyse
R Softwareumgebung	R Foundation for Statistical Computing, Wien, Österreich	Version 4.2.2	Verwendet für statistische Analyse, ROC-Analyse und Modellkalibrierung
SPSS statistische Software	IBM Corp., Armonk, NY, USA	Version 26.0	Verwendet für statistische Analyse