Cel mai precis test cu ultrasunete ar putea detecta 96% dintre femeile cu cancer ovarian

Cancerul ovarian afectează aproximativ 310.000 de persoane anual la nivel global, cu o rată de mortalitate de peste 200.000 de decese. Diagnosticul în stadii avansate este frecvent, iar rata de supraviețuire la 10 ani rămâne scăzută, în jur de 35%. Simptomele cancerului ovarian, cum ar fi balonarea, senzația de sațietate, durerea pelviană sau abdominală, și modificările urinare sau ale tranzitului intestinal sunt nespecifice, ceea ce complică diagnosticul precoce. Modelul de risc actual utilizat în NHS pentru triajul pacienților este Indexul de Malignitate (RMI1), care utilizează date clinice, biomarkeri și imagistică pentru a orienta pacienții spre centre specializate.

Studiul ROCkeTS a evaluat acuratețea diagnostică a mai multor modele de predicție a riscului pentru cancerul ovarian, inclusiv RMI1, algoritmul ROMA, modelul ADNEX (IOTA) și sistemul ORADS. În acest studiu prospectiv, pacienții postmenopauzali din Marea Britanie, care prezentau simptome sugestive pentru cancer ovarian și teste anormale (CA125 crescut sau ecografie pelviană anormală), au fost incluși din 23 de spitale.

Rezultate

Studiul a arătat că modelul ADNEX IOTA a avut cea mai mare sensibilitate (100% la un prag de 3%), dar cu o specificitate scăzută (30,8%). De asemenea, modelul ROMA a avut o sensibilitate ridicată (97,9%), dar specificitatea a fost de asemenea redusă (42,4%). În schimb, RMI1 la pragul de 250 a avut o sensibilitate de 82,9% și o specificitate de 87,4%.

Concluzii

Modelul ADNEX IOTA, cu un prag de 10%, ar putea înlocui RMI1 ca standard de îngrijire în NHS pentru femeile postmenopauzale, având o sensibilitate superioară și o scădere mai mică a specificității. Această schimbare ar putea crește numărul de rezultate fals pozitive, ceea ce necesită monitorizare atentă și utilizarea unor teste suplimentare pentru a reduce impactul asupra pacienților și asupra sistemului de sănătate.

Implicații și cercetări viitoare

Studiul ROCkeTS subliniază necesitatea evaluării prospective a modelelor de predicție a riscului înainte de implementarea în practică clinică. Studiile viitoare ar trebui să evalueze cum tehnologiile emergente, precum inteligența artificială, pot fi integrate alături de aceste modele.

sursa: Science Daily