Прогностическая модель диагностики клинически значимого рака предстательной железы при повторной биопсии

ВВЕДЕНИЕ

Рак предстательной железы (РПЖ) является одним из наиболее распространенных злокачественных новообразований у мужчин. Согласно данным GLOBOCAN 2022, РПЖ по частоте встречаемости занимает второе место во всем мире, по смертности – пятое место [1]. В России отмечается неуклонный рост распространенности РПЖ с 116,1 на 100 тыс. населения в 2014 г. до 234,9 на 100 тыс. населения в 2024 г. [2]. Согласно российским клиническим рекомендациям, при первичной диагностике РПЖ рекомендовано проведение мультифокальной трансректальной биопсии предстательной железы [3], однако отсутствие опухолевой ткани в гистологическом заключении может быть связано с неадекватной техникой выполнения либо поражением передних отделов предстательной железы [4].

Ранее мы уже опубликовали работу по результатам стандартной и таргетной техники (гистосканирование) в случае негативной первичной биопсии предстательной железы, однако данные оказались сопоставимы между собой, что потребовало проведения дополнительных исследований [5].

При отрицательном результате первичной биопсии рекомендовано выполнение сатурационной либо FUSION биопсии для улучшения диагностики клинически значимого РПЖ (кзРПЖ) [6].

Общепринятое определение кзРПЖ по данным AUA и EAU упоминается как группа ISUP 2 и более [7, 8].

По данным клинических рекомендаций Российского общества урологов, к РПЖ очень низкого риска относятся пациенты с уровнем простатического специфического антигена (ПСА) <10 нг/мл, суммой баллов по шкале Глисон <7, наличием <3 положительных биоптатов, а опухоль в каждом биоптате не должна занимать площадь >50%. Клиническая стадия заболевания должна быть Т1с–Т2а. С точки зрения морфологии у пациентов с группой ISUP 1 отмечается низкая частота экстрапростатической инвазии (0,3%) и биохимического рецидива (3,5%), что позволяет считать данную группу «клинически незначимым РПЖ» [3].

В многоцентровом исследовании 2024 г. с выборкой 10 228 человек было выявлено, что в случае группы ISUP 1 с ПСА >20 нг/мл и поражением >50% биоптатов, наблюдается повышение риска канцеро-специфической смертности и общей смертности [9].

Фьюжн (fusion) биопсия может быть выполнена аппаратным, когнитивным, in bore (прямо под контролем МРТ), либо робот-ассистированным методом. По данным зарубежных и российских исследований, все методы оказываются сопоставимыми между собой, а диагностика рака ISUP 2 и выше составляет от 23 до 40% [10–15].

Использование калькуляторов риска может помочь врачу определить вероятность у пациента кзРПЖ на основании математического анализа суммарных данных пациента и сократить количество проводимых повторных биопсий. На сегодняшний день разработаны прогностические модели диагностики клинически значимого РПЖ при негативной первичной биопсии: European Randomized Study of Screening for Prostate Cancer (ERSPC), Prostate Cancer Prevention Trial Risk Calculator Version 2.0 (PCPTRC 2.0.), Prostate Biopsy Collaborative Group (PBCG) и BioPrev-C (Biopsy Prevention Calculator). Факторы каждого калькулятора различаются, при этом данные мульти-параметрической магнитно-резонансной томографии (мпМРТ) учитывают не во всех моделях. MRI-ERSPC основан на таких параметрах, как возраст, уровень общего ПСА, данные пальцевого ректального исследования (ПРИ), объем предстательной железы, категория по шкале PIRADS [16]. PCPTRC 2.0. прогнозирует исход биопсии исходя из расы пациента, возраста, уровня общего и свободного ПСА, отягощенного семейного анамнеза, а также уровня PCA3 и онкомаркера T2:ERG [17]. Для прогностического расширенного PBCG калькулятора необходимы критерии: возраст, ПСА, ПРИ, раса, объем предстательной железы, семейный анамнез по РПЖ и молочной железы, прием ингибиторов 5 альфа редуктазы (и-5АР) [18]. BioPrev-C анализирует данные: возраст, общий ПСА, ПРИ, объем предстательной железы, семейный анамнез, прием и-5АР, категория по шкале PIRADS [19]. Однако данные прогностические калькуляторы не оценивают зону поражения по данным мпМРТ и размеры подозрительного очага, а также ограничением всех прогностических моделей является зависимость от распространенности РПЖ в отдельном регионе.

Цель исследования – разработать универсальную прогностическую модель диагностики клинически значимого рака при повторной биопсии предстательной железы.

МАТЕРИАЛЫ И МЕТОДЫ

Для построения прогностической модели успешной диагностики кзРПЖ при повторной биопсии предстательной железы на предоперационном этапе проводили расчет клинических, лабораторных и инструментальных предоперационных показателей 246 пациентов, которые вошли в исследования согласно критериям включения и невключения проводимого исследования.

Критерии включения:

• отрицательный результат первичной биопсии;
• очаг по данным мпМРТ PIRADS v2.1 категории 3 и выше;
• выполненная пациентам повторная биопсия (аппаратная/когнитивная FUSION техникой).

Критерии невключения:

• верифицированный РПЖ по данным первичной биопсии;
• очаг по данным мпМРТ PIRADS v2.1 категории 1 и 2;
• наличие по данным мпМРТ местно-распространенного опухолевого процесса.

Всем пациентам выполнена fusion-биопсия предстательной железы (когнитивная трансректальная, аппаратная трансперинеальная). Исследовалось влияние предоперационных параметров на успешность диагностики клинически значимого рака при повторной биопсии предстательной железы.

Исследовались следующие параметры:

• возраст, лет;
• общий ПСА, нг/мл;
• плотность ПСА, нг/мл/см3;
• объем предстательной железы, см3;
• PIRADS v2.1 (3, 4 и 5 категории);
• зона очага по данным мпМРТ (периферическая, транзиторная);
• размер очага по данным мпМРТ, мм;
• очаг по данным ПРИ (есть, нет);
• количество биопсий в анамнезе.

В качестве зависимой переменной выбран результат диагностики доброкачественной гиперплазии предстательной железы, клинически незначимый рак предстательной железы (кнзРПЖ) и кзРПЖ, под которым понималось наличие в гистологическом заключении группы ISUP 2 и более.

В табл. 1 представлен результат однофакторного анализа параметров влияющих на диагностику кзРПЖ. Статистически значимыми (p<0,05) оказались сл. факторы: периферическая зона очага по данным мпМРТ, наличие очага по данным ПРИ, наличие очага PIRADS v2.1 4 и 5 категории по данным мпМРТ, плотность ПСА, объем предстательной железы и размер очага по данным мпМРТ.

РЕЗУЛЬТАТЫ

Проведенный многофакторный анализ позволил выявить факторы, достоверно влияющих на диагностику клинически значимого РПЖ при повторной биопсии. Результаты с указанием границ доверительного интервала и отношения шансов указаны в табл. 2.

На основании проведенного анализа получена прогностическая модель с 84% предиктивной точностью. Ее чувствительность составила 38,0%, специфичность – 95,5% при пороговой вероятности разбиения на классы 0,5. ROC-кривая представлена на рис. 1. Площадь под кривой AUC составила 0,806 c 95% доверительным интервалом от 0,737 до 0,875, что соответствует хорошему качеству построенной прогностической модели. Индекс Джини соответственно составил 0,612.

На рис. 2 представлен разработанный нами калькулятор в программе Exсel, с помощью которого возможно рассчитать риск диагностики кзРПЖ при повторной биопсии с вероятностью от 0 до 1.

С целью валидизации полученной модели и определения оптимального порогового значения были проанализированы результаты 100 повторных биопсий предстательной железы. Количественные и категориальные характеристики пациентов представлены в табл. 3, 4.

Таблица 1. Анализ влияния факторов рака предстательной железы по клиническим результатам   
Table 1. Analysis of the impact of prostate cancer factors by clinical outcomes

Примечания. ДГПЖ – доброкачественная гиперплазия предстательной железы; кзРПЖ – клинически значимый рак предстательной железы; кнзРПЖ – клинически незначимый рак предстательной железы; мпМРП – мультипараметрическая МРТ; ПРИ – пальцевое ректальное исследование  
Notes. BPH – benign prostate hyperplasia; CNSPC – clinically nonsignificant prostate cancer; CSPC – clinically significant prostate cancer; DRE – digital rectal examination; mpMRI – multiparametric MRI

Таблица 2. Показатели относительного риска   
Table 2. Relative risk indicators

Примечания. мпМРТ – мультипараметрическая магнитно-резонансная томография; ПРИ – пальцевое ректальное исследование; ПЖ – предстательная железа; ПСА – простатический специфический антиген   
Note. mpMRI – multiparametric magnetic resonance imaging; DRE – finger rectal examination; PSA – prostate specific antigen

  
Рис. 1. ROC-кривая полученной модели прогнозирования клинически значимого рака при повторной биопсии   
Fig. 1. ROC curve of the developed model for predicting clinically significant cancer at repeat biopsy

  
Рис. 2. Прогностический калькулятор диагностики клинически значимого рака предстательной железы при повторной биопсии   
Fig. 2. Prognostic calculator for the diagnosis of clinically significant prostate cancer at repeat biopsy

Для данной выборки пациентов выполнена калибровка порогового значения в 0,15. С помощью полученной модели кзРПЖ был диагностирован верно в 21 из 22 случаев, что составило 95,5%. При пороговом значении модели менее 0,15 возможно воздержаться от выполнения повторной биопсии в 42% при пропуске 1 случая кзРПЖ (4,5%). Чувствительность модели составила 95,45%, специфичность – 51,28%. На рис. 3, 4 указано распределение пациентов в зависимости от результатов прогностической модели.

  
Рис. 3. Распределение в зависимости от результата гистологического заключения   
Fig. 3. Distribution according to histopathological results

  
Рис. 4. Распределение в зависимости от порогового значения прогностической модели   
Fig. 4. Distribution according to the threshold of the prognostic model

ОБСУЖДЕНИЕ

Нами не обнаружено русскоязычных прогностических моделей диагностики кзРПЖ. В настоящее время в России отмечается развитие технологий искусственного интеллекта для диагностики РПЖ по результатам мпМРТ, как альтернатива калькуляторам риска. И.А. Абоян и соавт. опубликовали результаты использования сверточной нейронной сети, основанной на архитектуре U-Net. По результатам валидации нейросеть корректно локализовала РПЖ в 78% случаев, в то время как радиолог – в 55% [20].

Таблица 3. Описательная статистика количественных переменных пациентов для валидизации   
Table 3. Descriptive statistics of quantitative patient variables for validation

Таблица 4. Описательная статистика категориальных переменных пациентов для валидизации   
Table 4. Descriptive statistics of categorical patient variables in the validation cohort

Примечания. кзРПЖ – клинически значимый рак предстательной железы; мпМРП – мультипараметрическая МРТ; ПРИ – пальцевое ректальное исследование; РПЖ – рак предстательной железы   
Note. BPH – benign prostate hyperplasia; CSPC – clinically significant prostate cancer; DRE – digital rectal examination; mpMRI – multiparametric MRI; PC – prostate cancer

Группой авторов разработана система компьютерной диагностики на базе глубокого обучения (DL-CAD) для минимизации влияния ручной сегментации на определение оценок PI-RADS. Система DL-CAD показала среднюю точность 78%, чувствительность – 60% и специфичность – 84% при обнаружении поражений. Коэффициент сходства Dice для сегментации предстательной железы составил 0,71, а площадь под ROC-кривой (AUROC) – 81,16% [12].

Одним из первых калькулятор риска РПЖ ERSPC, разработанный на основе результатов скрининга 6288 мужчин, был зарегистрирован в 2006 г. Ограничение данной модели – это проведение пациентам 6-точечной биопсии предстательной железы. С внедрением мпМРТ в стандарт диагностики данная прогностическая модель была обновлена в 2019 г., что позволило использовать данные PIRADS для стратификации пациентов [21].

P. Davik и соавт. провели валидизацию 303 пациентов, в 21% случаев в анамнезе была отрицательная биопсия. Большей части пациентов выполнялась систематическая трансректальная биопсия (n=264), трансректальная fusion-биопсия (n=35), промежностная когнитивная биопсия (n=4). AUC для ERSPC составила 0,82 (95% ДИ 0,77–0,87) для кзРПЖ и 0,77 (95% ДИ 0,72–0,82) для РПЖ. AUC для MRI-ERSPC-RC составила 0,89 (95% ДИ 0,85–0,93) для кзРПЖ и 0,85 (95% ДИ 0,81–0,90) для всего РПЖ. Используя порог риска ≥4% кзРПЖ или 20% для всего РПЖ позволило избежать 12,5% (38/303) биопсий в когорте исследований, пропустив 3% (5/167) случаев РПЖ, без упущения ни одного кзРПЖ [22].

В 2019 г. D.P. Ankerst и соавт. создали новый прогностический калькулятор, основанный на 15 611 обследованных мужчин PBCG. При валидизации на 5992 пациентов AUC составила 75,5% (95% доверительный интервал: 74,2–76,8), что являлось статистически значимо лучшим результатом по сравнению с AUC на 72,3% (70,9–73,7) для PCPTRC (p<0,0001) [18].

В 2025 г. J.J. Tosoian и соавт. опубликовал данные валидизации теста MyProstateScore (MPS) 2.0 в сравнении с моделью PCPTrt (Prostate Cancer Prevention Trial Risk) для 266 мужчин, у 20% из которых с отрицательным результатом первичной биопсии. Данный тест оценивает экспрессию 18 генов в моче, специфичных к РПЖ. В популяции повторной биопсии чувствительность MPS 2.0 составила 93%, что оказалось сопоставимо с калькулятором PCPTrt, однако специфичность оказалось выше для MPS 2.0 и составила 44%, а для PCPTrt – всего 2,6% [23].

В 2024 г. швейцарскими учеными разработан и валидизирован калькулятор BioPrev-C. Для создания калькулятора оценена когорта из 391 пациента, 29,2% из которых с отрицательной биопсией в анамнезе. Валидизация проводилась на 156 мужчинах (16,7% – с повторной биопсией) и сравнивалась с калькуляторами PBCG RC и MRI-ERSPC-RC. AUC как PBCG RC (0,71, 95% ДИ 0,63–0,79), так и MRI-ERSPC-RC (0,84, 95% ДИ 0,77–0,90) были значительно ниже по сравнению с BioPrev-C (0,88, 95% ДИ 0,82–0,93; BioPrev-C vs PBCG, p<0,001; BioPrev-C vs MRI-ERSPC-RC, p=0,02) [19].

H.D. Patel и соавт. в 2022 г. опубликовали данные о разработке калькулятора риска основанном на мпМРТ – Prospective Loyola University multiparametric MRI (PLUM) и сравнение его с PBCG RC при валидизации. В исследование включены 1010 пациентов, 460 из них – с отрицательной биопсией. В конечную модель были включены следующие параметры: возраст, раса, семейный анамнез, ПРИ, отрицательная биопсия в анамнезе, ПСА, плотность ПСА, объем предстательной железы, PIRADS. PLUM RC превзошел PBCG RC во внутренних (AUC 88,2% vs 67,8%; p<0,001) и внешних (AUC 83,9% vs 69,4%, p<0,001) валидационных выборках для обнаружения кзРПЖ [24].

Преимуществом созданной нами прогностической модели является то, что она разработана на прицельных методах повторной биопсии, валидизация проводилась исключительно на пациентах с предыдущей негативной биопсией, выявлены новые статистические параметры диагностики кзРПЖ (размер очага и локализация очага по данным мпМРТ).

Стоит отметить, что для каждого калькулятора необходима калибровка пороговых значений исходя из заболеваемости в отдельном регионе. Ограничением зарубежных моделей является отсутствие возможности воспользоваться в открытом доступе. Из имеющихся прогностических калькуляторов доступны онлайн PCPT RC, PBCG RC, MRI-ERSPC-RC, однако данные мпМРТ учитываются только в последнем. По данным обзора литературы, MRI-ERSPC-RC уступает современным калькуляторам риска, что создает необходимость разработки новых прогностических моделей.

Анализ результатов прогнозирования кзРПЖ с помощью разработанного нами калькулятора показали высокую чувствительность, сопоставимую с зарубежными работами. Несмотря на невысокую специфичность, полученные нами результаты оказались лучше по сравнению с тестом MPS (51,28% vs 44%). Благодаря нашей прогностической модели возможно сократить количество повторных биопсий на 42%, по сравнению с MRI-ERSPC-RC, на при использовании которого возможно воздержаться всего от 12,5% биопсий.

ЗАКЛЮЧЕНИЕ

Прогностическая модель, разработанная на основе собственных данных, показывает высокую чувствительность, позволяет диагностировать 95,5% кзРПЖ и на 42% уменьшить количество выполняемых повторных биопсий предстательной железы.

Данный калькулятор возможно использовать в ежедневной практике врача уролога и онколога для стратификации риска диагностики у пациента кзРПЖ перед выполнением повторной биопсии.

ЛИТЕРАТУРА

1. Bray F, Laversanne M, Sung H, Ferlay J, Siegel RL, Soerjomataram I, et al. Global cancer statistics 2022: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J Clin. 2024;74(3):229–63. https://doi.org/10.3322/caac.21834.
2. Каприн А.Д., Старинский В.В., Шахзадова А.О. Золотарева Н.Ю. Злокачественные новообразования в России в 2024 году (заболеваемость). Москва: МНИОИ им. П.А. Герцена − филиал ФГБУ «НМИЦ радиологии» Минздрава России, 2025. 178 с. [Kaprin A.D., Starinsky V.V., Shakhzadova A.O., Zolotareva N.Y. Malignant Neoplasms in Russia in 2024 (Incidence). Moscow: P.A. Herzen Moscow Research Institute of Oncology, a branch of the National Medical Research Radiological Center of the Ministry of Health of the Russian Federation, 2025. 178 p. (In Russian)].
3. Каприн А.Д., Алексеев Б.Я., Матвеев А.Б., Пушкарь Д.Ю., Говоров А.В., Горбань Н.А. и др. Клинические рекомендации. Рак предстательной железы. Разработчик клинической рекомендации Ассоциация онкологов России, Общероссийская общественная организация "Российское общество урологов", Общероссийская общественная организация "Российское общество онкоурологов", Общероссийская общественная организация «Российское общество клинической онкологии». Одобрено Научно-практическим Советом Минздрава России. Год утверждения 2021. [Kaprin A.D., Alekseev B. Ya., Matveev A.B., Pushkar D. Yu., Govorov A.V., Gorban N.A., et al. Clinical guidelines. Prostate cancer. Developer of the clinical guideline: Russian Oncologists Association, All-Russian Public Organization "Russian Society of Urologists", All-Russian Public Organization "Russian Society of Oncourologists", All-Russian Public Organization "Russian Society of Clinical Oncology". Approved by the Scientific and Practical Council of the Ministry of Health of the Russian Federation. Year of approval: 2021. (In Russian)]. https://cr.minzdrav.gov.ru/preview-cr/12_3.
4. Xue J, Qin Z, Cai H, Zhang C, Li X, Xu W, et al. Comparison between transrectal and transperineal prostate biopsy for detection of prostate cancer: a meta-analysis and trial sequential analysis. Oncotarget. 2017;8(14):23322–36. https://doi.org/10.18632/oncotarget.15056.
5. Котов С.В., Гуспанов Р.И., Пульбере С.А., Юсуфов А.Г., Хачатрян А.Л., Бядретдинов И.Ш. и др. Результаты использования аппарата HistoScanningTM для диагностики рака предстательной железы в сравнении со стандартной мультифокальной биопсией. Вестник урологии. 2023;11(4):62–71. [Kotov S.V., Guspanov R.I., Pulbere S.A., Yusufov A.G., Khachatryan A.L., Byadretdinov I.Sh., et al. Histoscanningtm vs. standard multifocal biopsy for prostate cancer diagnosis: a comparison of diagnostic methods. Vestnik Urologii = Urology Hearald. 2023;11(4):62–71]. https://doi.org/10.21886/2308-6424-2023-11-4-62-71.
6. Walz J, Graefen M, Chun FK-H, Erbersdobler A, Haese A, Steuber T, et al. High incidence of prostate cancer detected by saturation biopsy after previous negative biopsy series. Eur Urol. 2006;50(3):498–505. https://doi.org/10.1016/j.eururo.2006.03.026.
7. Mottet N, van den Bergh RCN, Briers E, Van den Broeck T, Cumberbatch MG, De Santis M, et al. EAU-EANM-ESTRO-ESUR-SIOG Guidelines on prostate cancer – 2020 update. Part 1: screening, diagnosis, and local treatment with curative intent. Eur Urol. 2021;79(2):243–62. https://doi.org/10.1016/j.eururo.2020.09.042.
8. Wei JT, Barocas D, Carlsson S, Coakley F, Eggener S, Etzioni R, et al. Early detection of prostate cancer: AUA/SUO guideline part II: considerations for a prostate biopsy. J Urol. 2023;210(1):54–63. https://doi.org/10.1097/JU.0000000000003492.
9. Tilki D, Chen M-H, Huland H, Graefen M, D’Amico A V. Mortality risk for patients with biopsy Gleason grade group 1 prostate cancer. Eur Urol Oncol. 2024;7(6):1520–6. https://doi.org/10.1016/j.euo.2024.06.009.
10. Wegelin O, Exterkate L, van der Leest M, Kummer JA, Vreuls W, de Bruin PC, et al. The FUTURE Trial: A multicenter randomised controlled trial on target biopsy techniques based on magnetic resonance imaging in the diagnosis of prostate cancer in patients with prior negative biopsies. Eur Urol. 2019;75(4):582–90. https://doi.org/10.1016/j.eururo.2018.11.040.
11. Kaufmann S, Russo GI, Bamberg F, Löwe L, Morgia G, Nikolaou K, et al. Prostate cancer detection in patients with prior negative biopsy undergoing cognitive-, robotic- or in-bore MRI target biopsy. World J Urol. 2018;36(5):761–8. https://doi.org/10.1007/s00345-018-2189-7.
12. He M, Еникеев М.Э., Рзаев Р.Т., Черненький И.М., Фельдшеров М.В., Li He и др. Разработка системы на базе глубокого обучения для помощи в принятии врачебных решений в определении оценок по системе PI-RADS: международное многоцентровое исследование. Онкоурология. 2024;20(4):15–23. [Mingze He, Enikeev M.E., Rzaev R.T., Chernenky I.M., Feld-sherov M.V., Li He, et al. Development of a deep learning-based system for aiding in the determi-nation of Prostate Imaging Reporting and Data System (PI-RADS) scores: an international multicenter study. Oncourologiia = Cancer Urology. 2024;20(4):15-23. (In Russian)]. https://doi.org/10.17650/1726-9776-2024-20-4-15-23. .
13. Колонтарев К.Б., Грицков И.О., Говоров А.В., Васильев А.О., Пушкарь Д.Ю. Робот-ассистированные технологии для проведения таргетной биопсии предстательной железы: обзор литературы. Вестник урологии. 2023;11(2):132–43. [Kolontarev K.B., Gritskov I.O., Govorov A.V., Vasiliev A.O., Pushkar D.Y. Robot-assisted technologies for targeted prostate biopsy: literature review. Vestnik Urologii = Urology Herald. 2023;11(2):132–43. (In Russian)]. https://doi.org/10.21886/2308-6424-2023-11-2-132-141.
14. Романов Р.А., Корякин А.В., Толстов И.С., Кирпатовский В.И., Алексеев Б.Я. Промеж-ностная фьюжн-биопсия предстательной железы. Диагностическая ценность в сравнении со стандартной биопсией. Экспериментальная и клиническая урология. 2023;16(1):48–54. [Romanov R.A., Koryakin A.V., Tolstov I.S., Kirpatovsky V.I., Alekseev B.Ya. Transperineal fusion prostate biopsy. Diagnostic value in comparison with a standard biopsy. Experimentalnaya i Klinicheskaya Urologiia = Experimental and Clinical Urology. 2023;16(1):48–54. (In Russian)]. https://doi.org/10.29188/2222-8543-2023-16-1-48-54.
15. Жилов М. С., Юсуфов А. Г., Гуспанов Р. И., Котов С. В. Результаты применения таргетных методов при повторной биопсии предстательной железы у пациентов с отрицательным результатом первичной системной биопсии. Онкоурология. 2025;21(3):82–90. [Zhilov M. S., Yusufov A. G., Guspanov R. I., Kotov S. V. Results of using targeted methods in repeat prostate biopsy in patients with negative results of primary systemic biopsy. Onkourologiya = Cancer Urology. 2025;21(3):82–90. (In Russian)]. https://doi.org/10.17650/1726-9776-2025-21-3-82-90.
16. Breza J, Subin F, Bernadic M, Tomas M, Pindak D. The use of European randomized study of screening for prostate cancer calculator as a diagnostic tool for prostate biopsy indication. Bratislava Med J. 2019;120(5):331–5. https://doi.org/10.4149/BLL_2019_054.
17. Maruf M, Fascelli M, George AK, Siddiqui MM, Kongnyuy M, DiBianco JM, et al. The prostate cancer prevention trial risk calculator 2.0 performs equally for standard biopsy and MRI/US fusion-guided biopsy. Prostate Cancer Prostatic Dis. 2017;20(2):179–85. https://doi.org/10.1038/pcan.2016.46.
18. Ankerst DP, Straubinger J, Selig K, Guerrios L, De Hoedt A, Hernandez J, et al. A contemporary prostate biopsy risk calculator based on multiple heterogeneous cohorts. Eur Urol. 2018;74(2):197–203. https://doi.org/10.1016/j.eururo.2018.05.003.
19. Hermanns T, Wettstein MS, Kaufmann B, Lautenbach N, Kaufmann E, Saba K, et al. BioPrev-C – development and validation of a contemporary prostate cancer risk calculator. Front Oncol. 2024;14. https://doi.org/10.3389/fonc.2024.1343999.
20. Абоян И.А., Редькин В.А., Назарук М.Г., Поляков А.С., Пакус С.М., Лемешко С.И., и др. Искусственный интеллект в диагностике рака предстательной железы с помощью магнитно-резонансной томографии. Новый подход. Онкоурология. 2024;20(2):35–43. [Aboyan I.A., Redkin V.A., Nazaruk M.G., Polyakov A.S., Pakus S.M., Lemeshko S.I., et al. Artificial intelligence in diagnosis of prostate cancer using magnetic resonance imaging. New approach. Onkourologiya = Cancer Urology. 2024;20(2):35–43. (In Russian)]. https://doi.org/10.17650/1726-9776-2024-20-2-35-43.
21. Radtke JP, Giganti F, Wiesenfarth M, Stabile A, Marenco J, Orczyk C, et al. Prediction of significant prostate cancer in biopsy-naïve men: validation of a novel risk model combining MRI and clinical parameters and comparison to an ERSPC risk calculator and PI-RADS. PLoS One. 2019;14(8):e0221350. https://doi.org/10.1371/journal.pone.0221350.
22. Davik P, Remmers S, Elschot M, Roobol MJ, Bathen TF, Bertilsson H. Reducing prostate biopsies and magnetic resonance imaging with prostate cancer risk stratification. BJUI Compass. 2022;3(5):344–53. https://doi.org/10.1002/bco2.146.
23. Tosoian JJ, Zhang Y, Meyers JI, Heaton S, Siddiqui J, Xiao L, et al. Clinical validation of MyProstateScore 2.0 testing using first-catch, non–digital rectal examination urine. J Urol. 2025;213(5):581–9. https://doi.org/10.1097/JU.0000000000004421.
24. Patel HD, Koehne EL, Shea SM, Fang AM, Gerena M, Gorbonos A, et al. A prostate biopsy risk calculator based on MRI: development and comparison of the Prospective Loyola University multiparametric MRI (PLUM) and Prostate Biopsy Collaborative Group (PBCG) risk calculators. BJU Int. 2023;131(2):227–35. https://doi.org/10.1111/bju.15835.