Objectifs
Évaluer si l’intégration de la densité du PSA (PSAD) et de l’ADC quantitatif dans un modèle prédictif multiparamétrique améliore la détection du cancer prostatique cliniquement significatif (csPCa).
Matériel et méthode
Dans cette étude prospective, 150 patients consécutifs présentant une suspicion clinique et/ou biologique de cancer prostatique ont bénéficié d’une IRM multiparamétrique 3T avant biopsie.
Les lésions ont été classées selon le système PI-RADS.
Les variables analysées comprenaient : âge, PSA total, PSAD, volume prostatique, score PI-RADS et valeur d’ADC quantitatif.
L’examen anatomopathologique des biopsies ciblées et systématiques a servi de référence.
Une analyse par régression logistique univariée puis multivariée a été réalisée afin d’identifier les facteurs prédictifs indépendants du csPCa.
Trois modèles ont été comparés par analyse ROC :
-
Modèle clinique (PSA, PSAD)
-
Modèle radiologique (PI-RADS ± ADC)
-
Modèle combiné (PSAD + PI-RADS + ADC)
Résultats
En analyse univariée, la PSAD, le score PI-RADS et l’ADC étaient significativement associés au csPCa (p < 0,05).
En analyse multivariée, la PSAD, le score PI-RADS et l’ADC sont restés des prédicteurs indépendants.
Le modèle combiné a montré la meilleure performance diagnostique, avec une AUC supérieure aux modèles isolés.
L’intégration conjointe de la PSAD et de l’ADC a permis une amélioration significative de la discrimination et de la stratification du risque.
Conclusion
Un modèle prédictif intégrant PSAD, score PI-RADS et ADC quantitatif améliore significativement la détection du cancer prostatique cliniquement significatif.
Cette approche intégrée pourrait optimiser la sélection des patients candidats à la biopsie et réduire les procédures inutiles.
La PSAD et l’ADC sont des prédicteurs indépendants du csPCa.• Le modèle combiné surpasse les paramètres isolés.• L’intégration quantitative améliore la stratification du risque au-delà du PI-RADS seul.