Дифференциальная диагностика рака предстательной железы (РПЖ) у мужчин с уровнем ПСА 4–10 нг/мл остаётся вызовом: в этом диапазоне часты ложноположительные результаты, приводящие к избыточным биопсиям. В исследовании, опубликованном в Frontiers in Oncology, китайские авторы построили ансамблевую модель машинного обучения на основе пяти рутинных клинических показателей для индивидуализации решения о биопсии.
Ретроспективно включены 100 пациентов, прошедших биопсию простаты с июля 2024 по февраль 2026 года при ПСА 4–10 нг/мл: 18 случаев РПЖ и 82 — доброкачественной гиперплазии. В модель вошли пять показателей: отношение свободного к общему ПСА (f/t PSA), prostate health index (PHI), p2PSA, плотность ПСА (PSAD) и объём простаты. Применён метод soft voting ensemble с подбором гиперпараметров через Optuna и коррекцией дисбаланса классов; внутренняя валидация — 20-кратная 5-fold cross-validation.
Ансамблевая модель достигла AUC 0.904 (95% CI: 0.836–0.972), значимо превосходя каждый одиночный показатель (P < 0.05). При оптимальном пороге 0.1726 (максимум индекса Юдена) отрицательная предсказательная ценность составила 98.46%, чувствительность — 94.44%, специфичность — 78.05%, общая точность — 81.00%. Калибровочная кривая подтвердила согласованность прогноза, а анализ кривых решений показал более высокую клиническую чистую выгоду по сравнению с традиционными стратегиями.
Высокая NPV модели позволяет выявлять пациентов низкого риска, у которых биопсию можно отложить, потенциально сокращая число инвазивных процедур. Авторы отмечают необходимость валидации в более крупных когортах.

