目的 利用多参数MRI(multiparametric MRI, mp-MRI)及临床指标建立前列腺癌(prostate cancer, PCa)风险预测模型，并与前列腺影像报告和数据系统(prostate imaging reporting and data system, PI-RADS)评分比较，通过该模型早期预测前列腺癌的风险性，使低风险的患者避免不必要的活检损伤。方法 回顾性分析156例患者的mp-MRI资料和临床资料。收集内容包括年龄、总前列腺特异性抗原(total prostate-specific antigen, tPSA)、游离前列腺特异性抗原(free prostate-specific antigen, fPSA)、前列腺体积(prostate volume, PV)、前列腺特异性抗原密度(prostate-specific antigen density, PSAD)、碱性磷酸酶 (alkaline phosphatase, ALP)、血清钙 (calcium, Ca)、血清磷(phosphorus, P)、表观扩散系数(apparent diffusion coefficient, ADC)和时间-强度曲线 (time-intensity curve, TIC)。所有病例均按照PI-RADS v2评分。运用Logistic回归进行单因素及多因素分析并建立PCa列线图模型。使用校准曲线检测模型校准度。用受试者工作特征曲线(receiver operating characteristic, ROC)分别分析患者 PI-RADS v2评分及列线图模型的诊断效能。最终按照临床决策曲线对比此模型与PI-RADS的临床净收益。结果 单因素及多因素分析结果显示ADC、TIC及PSAD有统计学意义(P＜0.05)，将其纳入PCa风险预测模型中。校准曲线的结果表明，训练集H-L的拟合优度P=0.994，测试集H-L的拟合优度P=0.845，表明此模型校准度良好。临床决策曲线显示预测PCa列线图模型临床净收益高于PI-RADS，具有更高的临床价值。结论 多参数磁共振结合临床指标所建立的风险预测模型临床净收益优于PI-RADS评分，可协助临床医生更好地提高PCa诊断效率，选择最佳的临床治疗方式，对其早期诊断及临床治疗方式的选择具有一定价值。