Sistemes de classificació i predicció de risc de malignitat de ......Noelia Rams Llop Hospital de...
Transcript of Sistemes de classificació i predicció de risc de malignitat de ......Noelia Rams Llop Hospital de...
-
Noelia Rams LlopHospital de la Santa Creu i Sant Pau Barcelona
Sistemes de classificació i predicció de risc de malignitat de les lesions annexials.
Utilitat de l’ecografia.
-
De què parlarem?
1. Introducció
2. Descripció de les lesions annexials. Informe de l’ecografia
3. Classificació de les lesions annexials
3.1. Sistemes objectius.
3.2. Sistemes subjectius
3.3. Nous sistemes de classificació
-
1. Introducció
2. Descripció de les lesions annexials. Informe de l’ecografia
3. Classificació de les lesions annexials
3.1. Sistemes objectius.
3.2. Sistemes subjectius
3.3. Nous sistemes de classificació
-
Massa annexial (MA)
Benigna Maligna Borderline
75-85%
1/170 dones
15-25%
2-15/100.000 dones 15-20%
Objectiu fonamental de l’estudi ecogràfic d’una massa annexial
Classificar les lesions annexials per grau de sospita/ risc de malignitat
-
Cirugia inicial del càncer d’ovari
Factor pronòstic essencial
Qui?
Giede et al. Gynecol Oncol. 2005
Paulsen et al. Int J Gynecol Cancer. 2006
On?
Engelen et al. Cancer. 2006 Earle et al. J Natl Cancer Inst. 2006
Diagnòstic pre-operatori correcte i precís
Lesions benignesConducta expectant
Cirurgia conservadora
Tractament en centres no especialitzats
Lesions malignesEstadificació correcta Citorreducció màxima
Tractament en centres especialitzats en Ginecologia Oncològica
-
Història clínica
Exploració física
Marcadors tumorals
Ecografia Doppler
Massa annexial (MA)
Baix risc Risc intermedi Alt risc
Avaluació pre-operatòria
-
Baix risc Risc intermedi Alt risc
• Ginecologia general • No necessitat de
biopsia intra- IQ
Avaluació pre-operatòria
-
Baix risc Risc intermedi Alt risc
• Ginecologia general • No necessitat de
biopsia intra- IQ
• Gineco- oncòleg • Laparoscòpia
avançada • Laparotomia • Biopsia intra-IQ
disponible
Avaluació pre-operatòria
-
Baix risc Risc intermedi Alt risc
• Ginecologia general • No necessitat de
biopsia intra- IQ
• Gineco- oncòleg • Laparoscòpia
avançada • Laparotomia • Biopsia intra-IQ
disponible
•
• Ginecologia general
• Gineco- oncòleg disponible
• Laparoscòpia avançada
• Biopsia intra-IQ disponible
Avaluació pre-operatòria
-
Tècnica de diagnòstic per la imatge més utilitzada: - Bona tolerància i reduït cost. - Precisió diagnòstica operador-depenent: Expert (92%)*, No expert (82-87%)*
Avaluació pre-operatòria
-
1. Introducció
2. Descripció de les lesions annexials. Informe de l’ecografia
3. Classificació de les lesions annexials
3.1. Sistemes objectius.
3.2. Sistemes subjectius
3.3. Nous sistemes de classificació
-
iotagroup.org
International OvarianTumor Analysis
-
Descripció de les lesions annexials
-
Descripció de les lesions annexials
Sistemàtica d’estudi d’una lesió annexial
1. Localització2. Tamany3. Valoració de la paret4. Classificació qualitativa (tipus de lesió)5. Contingut intra- quístic (ecogenicitat)6. Valoració i mesures intra- lesionals- Septes - Papil.les - Àrees sòlides - Parènquima ovàric 7. Troballes extra-lesionals- Ombra acústica - Ascitis - Carcinomatosi peritoneal 8. Vascularització
-
Score
1 No es detecta vascularitació
2 Mínima vascularització
3 Moderada vascularització
4 Abundant vascularització
Vascularització
-
9. Informe ecogràfic
Modelo de informe ecográfico para masas anexiales. Protocolo SEGO. Masas anexiales. 2013
INFORME(ECOGRÁFICO(
GINECOLÓGICO(DE(LESIÓN(ANEXIAL(
Descripción(de(la(lesión((IOTA&Terms&and&defini0ons.&
Timmerman&2000)&!"Nivel"II"!"
Presunto"diagnós4co"histológico"
Riesgo(es?mado(de(malignidad((
(Método"empleado)"!"Nivel"III"!"
-
Evaluación subjetiva
Después del examen ecográfico el investigador debe hacer una valoración subjetiva de la masa :
A: Maligno, Benigno o Borderline
B: Probabilidad de malignidad (nivel de certeza)1= benigno2= probablemente benigno3= incierto4=probablemente maligno5=maligno
C: Impresión diagnóstica (diagnóstico histológico) por ejemplo dermoide , cistoadenoma seroso , endometrioma , absceso ...
-
1. Introducció
2. Descripció de les lesions annexials. Informe de l’ecografia
3. Classificació de les lesions annexials
3.1. Sistemes objectius.
3.2. Sistemes subjectius
3.3. Nous sistemes de classificació
-
Tècniques per la classificació de les lesions annexials
Sistemes objectius (regles/ models de predicció)
Valoració subjectiva (pattern recognition)
• Regles ecogràfiques • Sistemes de puntuació • Models de regressió logística • Algoritmes matemàtics
-
Sistemes de classificació de les lesions annexials
Més de 110 models predictius diferents per la classificació de MA des del 1990.
Més de 30 models publicats des del 2008. Geomini P, et al. Obstet Gynecol. 2009
Kaijser J, et al. Hum Reprod Update. 2013
-
Regles ecogràfiques
3.1. Sistemes objectius (regles/ models de predicció)
Presència o absència de les característiques típiques de les lesions benignes o malignes.
Simple rules(Timmerman D, et al. Ultrasound Obstet Gynecol. 2008;31:681-‐90)
-
Regles ecogràfiques
Simple rules (Timmerman D, et al. Ultrasound Obstet Gynecol. 2008;31:681-‐90)
AVANTATGES
✓Bona precisió diagnòstica en mans inexpertes
✓Aplicabilitat clínica senzilla
INCONVENIENTS
✓No aplicable en el 25% de les lesions
✓Major rendiment en les lesions fàcilment classificables subjecticament
Aplicabilidad) Sensibilidad) Especificidad) LR+) LR3)
1233)lesiones)retrospec:vas)
76%$ 93%$ 90%$ 9.45$ 0.08$
507)lesiones)prospec:vas)
76%$ 95%$ 91%$ 10,37$ 0.06$
-
Models de regressió logística
3.1. Sistemes objectius (regles/ models de predicció)
Variables (LR2) 1. Edat (anys) 2. Ascitis (si / no) 3. Presència de papil.les amb fluxe vascular (si / no) 4. Diàmetre màxim del component sòlid més gran (mm) 5. Paret del quist irregular (si / no) 6. Ombra acústica (si / no)
Càlcul de probablilitat (risc) en funció de variables predictores
LR1/ LR2IOTA Logistic Regression models LR1 and LR2, giving an indication of the probability of malignancy of an ovarian tumour by means of 12 variables and 6 variables, respectively.
Timmerman D, et al. J Clin Oncol. 2005;23:8794-8801)
% de malignitat
-
Models de regressió logística
LR1/ LR2
3.1. Sistemes objectius (regles/ models de predicció)
Sensibilidad* Especificidad* AUC*
Timmerman*2005* LR1$93%$LR2$92%$
LR1$77%$LR2$75%$
LR1$0.95$LR2$0.93$
Van*Holsbeke*2012*
LR1$92%$LR2$92%$
LR1$87%$LR2$86%$
LR1$0.96$LR2$0.95$
Kaijser*2013* 94%$ 82%$ 0.952$
AVANTATGES
✓ Estimació individualitzada del risc
✓ Reproduïble entre centres ✓ Factible amb poca experiència ✓ Alta sensibilitat
INCONVENIENTS
✓ Necessita software informàtic ✓ Limitada aplicació a la pràctica
diària (?)
-
Pattern recognition
3.2. Sistemes subjectius
Diagnòstic específic o classificació segons la valoració subjectiva de l’ecografista.
(Valentin L. Ultrasound Obstet Gynecol. 1999;14:338-47)
Valoració subjectiva: no és només valoració ecogràfica
✓ Troballes ecogràfiques en escala de grisos (+ Doppler)
✓ Experiència prèvia ✓ Dades epidemiològiques i demogràfiques ✓Clínica
Classificació S= 88-98% E= 86-96%
Diagnòstic específic Precisió: 90 %
Valentin et al. 2001 Sokalska et al. 2009
Un ecografista experimentat NO necessita models predictius ni marcadors tumorals
-
3.2. Sistemes subjectius
Descriptors FÀCILS proposats per IOTA (Ameye L. Ultrasound Obstet Gynecol. 2012;40: 582–591)
-
GI- RADS: Gynecologic Imaging Report and Data System
3.3. Nous sistemes de classificació
(Amor F. J Ultrasound Med 2009; 28:285-291)
Sensibilidad* Especificidad*
Amor*et*al.*2009* 92%$ 97%$
Amor*et*al.*2011* 99%$ 86%$
-
GI- RADS
3.3. Nous sistemes de classificació
Resultados de la clasificación GI- RADS para la catalogación de masas anexialesNoelia Rams1, Raquel Muñoz1, Cristina Soler1 y Juan Parra11Servicio de Ginecología y Obstetricia, Hospital de la Santa Creu i Sant Pau, Barcelona, España
-
Three- step strategy
3.3. Nous sistemes de classificació
(Ameye L. et al. Ultrasound Obstet Gynecol. 2012;40:582-‐591)
Easy instant diagnosis (descriptors fàcils)
1
Simple Rules2
Pattern recognition (expert)3
46%
63%
19%
Sensibilidad* Especificidad*
Tres*pasos* 92,2%% 92,3%%
Experto* 90,4%% 92,7%%
-
Conclusions
1. Objectiu fonamental de l’ecografia de les MA: distinció entre benignitat i malignitat.
2. L’ecografia és la millor eina diagnòstica per establir B o M amb una precisió adequada.
3. Millor mètode diagnòstic: valoració subjectiva d’un expert (formació i experiència).
4. Models predictius: recolzament diagnòstic, més útils si inexperiència, els basats en ecografia són els que tenen millor rendiment diagnòstic.
5. Nous sistemes de classificació. Sistema diagnòstic més precís: three step strategy.
-
Moltes gràcies
Noelia Rams Llop [email protected]
Agraïments: Dr. J.J. Hidalgo Dr. C. Dosouto