#PAGE_PARAMS# #ADS_HEAD_SCRIPTS# #MICRODATA#

Doporučený diagnostický postup u ženy s ovariální cystou nebo nádorem


Recommended guidelines of diagnosis for women with an ovarian cyst or tumour

Transvaginal ultrasonography is the first-line and best imaging technique for characterising adnexal masses preoperatively. The optimal approach is the subjective assessment of ultrasound images by experts. An alternative evidence-based approach to the pre-surgical diagnosis of adnexal tumours is to use simple ultrasound rules or logistic regression model LR2 developed by the International Ovarian Tumor Analysis (IOTA) group. Their test performance matches subjective assessment by experienced examiners and should be adopted as the principal test to characterize masses as benign or malignant. Measurements of serum CA 125 are not necessary for characterization of ovarian pathology in premenopausal women and are unlikely to improve the performance of experienced ultrasound examiners, even in the postmenopausal group. However, in postmenopausal patients, serum CA 125 may play a role as a second-stage test, especially in centers with less-experienced ultrasound examiners.

Keywords:
ovarian tumor, ovarian cyst, ultrasonography, guidelines, IOTA, simple rules, logistic regression model


Authors: D. Fischerová
Authors‘ workplace: Gynekologicko-porodnická klinika 1. LF UK a VFN, Praha, přednosta prof. MUDr. A. Martan, DrSc.
Published in: Ceska Gynekol 2014; 79(6): 477-486

Overview

Ultrazvukové transvaginální vyšetření je metodou volby v předoperační diagnostice ovariálních lézí. Optimálním postupem při abnormálním nálezu v oblasti adnex je odeslání pacientky k expertnímu sonografickému vyšetření. Vhodným alternativním řešením v odlišení benigní a maligní ovariální léze je využití jednoho ze dvou predikčních modelů – jednoduchých ultrazvukových pravidel anebo logistického regresního modelu (LR2). Tyto matematické modely byly vytvořeny a otestovány mezinárodní ultrazvukovou skupinou zabývající se diagnostikou ovariálních nádorů (IOTA, International Ovarian Tumor Analysis). Oba modely dosahují přesnosti expertního sonografisty, a to i v rukou méně zkušených sonografistů. Modely jsou snadno použitelné a nevyžadují odběr nádorových markerů. Na základě doložených dat by se IOTA predikční modely měly stát součástí odborného doporučení předoperačního postupu při nálezu ovariální léze. Stanovení hodnoty nádorového markeru CA 125 v rámci předoperační diagnostiky ovariální léze nezvýší přesnost expertního sonografisty, ale znalost hladiny CA 125 může napomoci méně zkušeným sonografistům při hodnocení ovariální léze u postmenopauzální ženy.

Klíčová slova:
ovariální nádor, ovariální cysta, ultrazvuk, doporučený postup, IOTA, jednoduchá ultrazvuková pravidla, logistický regresní model

ÚVOD

S rozvojem ultrazvukové diagnostiky se zvýšil záchyt ovariálních lézí, které jsou často zbytečně referovány k operačnímu řešení (simplexní cysty v postmenopauze, funkční cysty ve fertilním věku). Tento postup je spojen nejen s operační, ale i s pooperační morbiditou související se zbytečnou operační zátěží polymorbidní pacientky anebo s odstraněním hormonálně aktivních orgánů a ztrátou fertility u mladé ženy. Naopak, pacientky se zhoubným nádorem ovarií jsou často primárně a neadekvátně operovány rukou gynekologů nebo chirurgů. Máme však dostatek dat, která dokládají významný rozdíl v přežití těchto pacientek, pokud jsou referovány ke vstupní diagnostice a primární léčbě do specializovaných onkogynekologických center se zázemím multidisplinární péče nejvyšší kvality [39, 40]. Pravděpodobně hlavním důvodem nedostatečné centralizace pacientek se zhoubným nádorem ovarií je absence efektivního předoperačního diagnostického postupu při záchytu ovariální léze. Tato přehledová práce navazuje na podrobný přehledový článek, který se věnoval diferenciální diagnostice benigních a maligních ovariálních nádorů a byl publikován v roce 2012 v České gynekologii [9].

Velmi často používaným predikčním testem k odlišení benigních a maligních ovariálních nádorů ve Velké Británii a dalších zemích je index rizika malignity (RMI, risk of malignancy index), který byl vytvořen v roce 1990 Jacobsem a kol. [11]. Index rizika malignity je vypočten na základě kombinace údajů o menopauzálním stavu pacientky, ultrazvukových proměnných a hladiny CA 125. Riziko maligní léze je při výsledku testu 200 a více. Nejedná se o přesný predikční test, a zvláště u premenopauzálních žen je velmi nespolehlivý (senzitivita 44 % a specificita 95 %) [13]. Důvodem je nádorový marker CA 125, který je součástí indexu a který má známou falešnou negativitu u borderline ovariálních nádorů a časných ovariálních karcinomů, ale také vysokou falešnou pozitivitu u nezhoubných lézí s drážděním peritonea (endometrióza, leiomyomy, těhotenství, infekce, chirurgické výkony a další) [9].

Podobně je ve Spojených státech odborné doporučení postupu u nálezu ovariální léze ovlivněno hladinami biomarkerů (doporučení odborných společností ACOG a SGO; American College of Obstetricians and Gynecologists, Society of Gynecologic Oncologists) [2]. Podle doporučení těchto společností má být premenopauzální pa-cientka s nálezem ovariální léze referována ke gynekologickému onkologovi, pouze pokud splňuje některé z následujících kritérií: v případě elevace CA 125 nad 200 U/mL, při nálezu nodulární nebo fixované pánevní masy, v případě metastatického šíření, ascitu anebo pokud má v rodinné anamnéze záchyt karcinomu prsu či ovarií. Stejná kritéria jsou pro referování žen v postmenopauze, pouze pro elevaci CA 125 není striktně stanovena sérologická hladina testu, tak jako je tomu u premenopauzálních pacientek. Je zřejmé, že tato kritéria jsou nastavena na záchyt pokročilých stadií ovariálních karcinomů. Pro záchyt časného stadia maligního ovariálního nádoru, zvláště v premenopauzální skupině žen, jsou doporučení ACOG/SGO insuficientní (senzitivita 79,2 % a specificita 69,8 %) [4, 14]. V případě nahrazení sérové hladiny CA 125 multivariačním testem biomarkerů OVA-1 (multivariate biomarker assay OVA-1) falešně pozitivní hladina testu narůstá do neakceptovatelných hodnot [28].

V současnosti je dostatek důkazů, že ultrazvukové vyšetření ovariálního nádoru provedené expertním sonografistou je nejpřesnější metodou v odlišení benigních a maligních ovariálních nádorů [29, 32]. Ultrazvukový expert byl definován jako zkušený sonografista pracující v Centru ultrazvukové diagnostiky, který doloží více než 5000 vyšetření ovariálních nádorů s možností zpětné kontroly kvality nálezů [37]. Je zřejmé, že dosáhnout kvality experta není pro většinu lékařů možné, proto je hlavní vědeckou snahou najít jednoduché skórovací systémy nebo matematické modely založené na snadno měřitelných ultrazvukových proměnných, které by v rukou méně zkušeného sonografisty dosáhly přesnosti ultrazvukového experta. A experta využívat pouze v případě nehodnotitelných nálezů, kdy nelze uvedené predikční modely aplikovat. Doposud se v rámci diferenciální diagnostiky benigních a maligních ovariálních nádorů testovaly různé biomarkery a predikční modely.

Mezi běžně dostupnými biomarkery nedosáhly přesnost samotného nádorového markeru CA 125 ani kombinace CA 125 a HE4 (human epididymis secretory protein-4) v rámci ROMA algoritmu (Risk of Ovarian Malignancy Algorithm) přesnosti expertního sonografisty [32, 36]. Navíc předoperační znalost hodnoty CA 125 nezvýšila přesnost subjektivního hodnocení ovariální léze expertním sonografistou [30]. Zkušený sonografista indikuje odběr CA 125 pouze při podezření na maligní nádor za účelem následného hodnocení efektu onkologické léčby a sledování pacientek po ukončené léčbě.

Predikční modely byly založeny buď na ultrazvukových morfologických charakteristikách ovariálních nádorů (skórovací systémy) [5-7, 10, 18], nebo se jednalo o složité matematické modely s využitím logistických regresních modelů [22], neuronové síťě [23] a dalších sofistikovaných modelů (support vector machines aj.) [16]. Žádný z predikčních modelů však nedosáhl přesnosti experta, a dokonce si ani neudržel svoji přesnost při externím testování. Důvodem selhání původních predikčních modelů byla malá populace pacientek, na kterých byl model vyvíjen, různé zastoupení benigních a maligních nádorů, absence externího ověření spolehlivosti testu, a hlavně nejednotná ultrazvuková terminologie popisu lézí [9]. Bylo evidentní, že pro fungující predikční model je absolutně nezbytné nejprve vytvořit jednotnouultrazvukovou terminologii popisu ovariálních lézí, následně vybrat mezinárodní centra s nejvyššíultrazvukovou expertizou, vytvořit fungující databázi se standardizovaným ultrazvukovým protokolem, který neumožní uložení zápisu bez zadání všech požadovaných demografických, klinických, ultrazvukových dat, a naopak po uložení dat nebude již možné do databáze vstoupit, s výjimkou dodání histologické diagnózy po operaci. Další nezbytnou podmínkou bylo centrální statistické zpracování dat odborníky s nejvyšší kvalitifikací, kteří budou zároveň vyvíjet a testovat nové predikční modely. Zcela zásadní bylo zajistit spolehlivé vedení studie, která krok po kroku bude plnit výzkumné úkoly a na dosažené výsledky navazovat budoucím výzkumem.

V roce 1999 byla taková výzkumná mezinárodní pracovní skupina založena prof. Dirkem Timmermanem, prof. Lil Valentin a prof. Tomem Bournem (IOTA, International Ovarian Tumor Analysis). Mezinárodní studie ovariálních nádorů do současné doby prospektivně analyzovala data u více než 7000 pacientek s ovariálním nádorem ve více než 50 mezinárodních ultrazvukových centrech a poprvé v historii vyvinula a otestovala matematické modely pro diferenciální diagnostiku benigních a maligních ovariálních nádorů, které i v rukou méně zkušených sonografistů dosáhly přesnosti experta [19, 20, 26, 27]. Mezi jedenácti nově vytvořenými modely skupiny IOTA byly jako nejvhodnější vybrány dva – logistické regresní modely (LR1,LR2) a jednoduchá ultrazvuková pravidla [26, 27]. Jejich platnost byla doložena v recentně publikované metaanalýze Kaijsera a kol. Tato metanalýza analyzovala výsledky u 26 438 ovariálních lézí ze 195 studií testujících 116 predikčních modelů. Nejpřesnějšími modely v odlišení benigních a maligních ovariálních nádorů byly dva modely vyvinuté IOTA skupinou (logistický regresní model LR2 a jednoduchá ultrazvuková pravidla) [13]. Logistický regresní model založený na 12 proměnných (IOTA LR1) nebyl zahrnut do metaanalýzy, jelikož jeho přesnost nebyla doložena na více než 1000 pacientkách. Stanovení maligního nádoru při využití LR2 modelu (riziko malignity ≥ 10 %) mělo sdruženou senzitivitu 92 % (95% CI 88–95 %) a specificitu 83 % (95% CI 77–88 %), a pokud byl nádor hodnocen jednoduchými ultrazvukovými pravidly, dosáhla senzitivita 93 % (95% CI 89–95 %) a specificita 81 % (95% CI 76–85 %). Tyto modely byly přesnější než často používaný index rizika malignity (RMI) vyvinutý Jacobsem a kol. a ROMA test [36, 38], protože IOTA predikční modely nejsou založeny na sérové hladině CA 125. Zachování přesnosti predikčních modelů vyvinutých skupinou IOTA v rukou lékařů s různým stupněm ultrazvukové expertizy bylo doloženo nejen pracemi z jednotlivých mezinárodních pracovišť [1, 17], ale také velkou multicentrickou studií iniciovanou skupinou IOTA (IOTA phase 4B) a koordinovanou Ahmadem Sayasnehem ve Velké Británii [19, 20]. V této multicentrické studii bylo vyšetřeno 962 pacientek (2010–2012) méně zkušenými sonografisty s využitím LR2 modelu, jednoduchých ultrazvukových pravidel (simple rules) a indexu rizika malignity (RMI) [20]. Oba IOTA modely si zachovaly svoji vysokou přesnost, a to zvláště v populaci premenopauzálních žen, na rozdíl od RMI predikčního modelu, který byl do té doby metodou volby v diferenciální diagnostice benigních a maligních ovariálních nádorů ve Velké Británii. Diagnostická přesnost predikčních modelů se hodnotila podle DOR (diagnostic odds ratio) a pro daný predikční model dosáhla následujících hodnot v pre- a postmenopauzální populaci žen: LR2 DOR 121 a 23, jednoduchá ultrazvuková pravidla DOR 100 a 82, RMI DOR 30 a 37. Tyto výsledky ve Velké Británii vedly ke změně doporučení v předoperační diagnostice ovariálního karcinomu u premenopauzálních žen – NICE doporučení (National Institute for Health and Care Excellence, CG122) (http://guidance.nice.org.uk/CG122). IOTA vyvinuté logistické regresní modely (LR1 a LR2) a jednoduchá ultrazvuková pravidla jsou volně ke stažení do našich počítačů anebo chytrých telefonů na webových stránkách IOTA (http://homes.esat.kuleuven.be/~sistawww/biomed/iota/index.php/software). Základní podmínkou pro fungování predikčních modelů je správný popis ultrazvukových proměnných, kterému se budeme následně věnovat. Zároveň budou představeny doporučené IOTA predikční modely a efektivní algoritmus postupu při nálezu ovariální léze.

METODIKA ULTRAZVUKOVÉHO VYŠETŘENÍ A DOPORUČENÁ ULTRAZVUKOVÁ TERMINOLOGIE

Podrobná metodika transvaginálního ultrazvukového vyšetření je obsažena v knize Ultrazvukové diagnostiky v těhotenství a gynekologii [8]. Mezinárodně platná ultrazvuková terminologie [24] je v české verzi dostupná v knize Ultrazvukové diagnostiky v těhotenství a gynekologii a přehledovém článku v České gynekologii [8, 9]. Pro sonografisty byl připraven názorný diagram popisu lézí, tak aby jej mohli mít vždy po ruce při vzniklé nejistotě v popisu léze (schéma 1).

Schéma 1 Ultrazvuková terminologie popisu adnexálních lézí
Schéma 1 Ultrazvuková terminologie popisu adnexálních lézí
Podmínkou správného zhodnocení perfuze je nastavení citlivého Doppleru. Nejprve změnit celkové dopplerovské zesílení (gain), tj. zvýšit gain až vzniknou artefakty, poté jej snižovat, až artefakty odezní. Správně nastavený gain poskytne optimální zobrazení průtoku. Zároveň nastavit očekávanou rychlost průtoku (PRF) na 0,3 (u starších ultrazvuků se udává rychlost 3–6 cm/s).

JEDNODUCHÁ ULTRAZVUKOVÁ PRAVIDLA SKUPINY IOTA (IOTA SIMPLE ULTRASOUND RULES)

Jednoduchá ultrazvuková pravidla pro diagnózu benigních nádorů jsou založena na pěti ultrazvukových nálezech, které mají nejnižší pozitivní prediktivní hodnotu pro přítomnost malignity. Naopak, jednoduchá ultrazvuková pravidla pro diagnózu maligního nádoru jsou založena na pěti ultrazvukových známkách, které mají nejvyšší pozitivní prediktivní hodnotu pro přítomnost malignity. Tato pravidla umožní bez nutnosti zázemí počítače rozpoznat, zda je nádor benigní, nebo maligní, a to s přesností ultrazvukového experta [26]. Schéma s uvedenými znaky je možné si připevnit pod ultrazvukový monitor, aby bylo k dispozici při hodnocení ovariální léze (schéma 2). Sonografista hodnotí během vyšetření, zda je v nádoru přítomen alespoň jeden z pěti ultrazvukových znaků charakterizujících benigní lézi anebo alespoň jeden z pěti ultrazvukových znaků charakterizujících maligní lézi. V případě, že nejsou pravidla aplikovatelná (< 25 % ovariálních lézí), se nabízejí dvě možnosti. Méně vhodným krokem je všechny nehodnotitelné léze označit jako léze maligní. V této skupině sice nemineme žádný zhoubný nádor, ovšem za cenu vysoké falešné pozitivity testu (nadhodnocení maligních případů). Ve skutečnosti jsou však mezi nehodnotitelnými nálezy zastoupeny maligní nádory přibližně v polovině případů (23–51 %)[15]. Proto vhodnějším a doporučeným postupem je odeslat pacientku s nehodnotitelným nálezem k expertnímu sonografistovi, který svojí erudicí sníží počet falešně pozitivních nálezů a zvýší specificitu vyšetření. Tento dvoustupňový postup (jednoduchá ultrazvuková pravidla + expertní sonografie v případech, že pravidla nelze aplikovat) dokáže zachytit maligní nádor se senzitivitou 90 % a specificitou 93 % [26].

Schéma 2 Jednoduchá ultrazvuková pravidla
Schéma 2 Jednoduchá ultrazvuková pravidla
Léze je benigní, pokud je zastoupen alespoň jeden znak benigní a žádný maligní. Léze je hodnocena jako maligní, pokud je zastoupen alespoň jeden znak maligní a žádný benigní. Léze je nehodnotitelná, pokud není vyjádřen ani jeden ze znaků v nádoru nebo jsou současně zastoupeny v nádoru znaky charakteristické pro benigní a maligní lézi [25].

LOGISTICKÉ REGRESNÍ MODELY SKUPINY IOTA (IOTA LOGISTIC REGRESSION MODELS)

Logistické regresní modely (LR1 a LR2) nám stanoví procentuální riziko přítomnosti maligní léze. Oba modely se od sebe liší pouze v počtu zadaných proměnných (12 proměnných u LR1, šest proměnných u LR2 modelu), rozdíl v jejich přesnosti není klinicky relevantní (AUC 0,96 pro LR1 a 0,95 pro LR2) [38]. Proto je v denní praxi upřednostněn jednodušší, ale srovnatelně spolehlivý LR2 model, do kterého zadáváme (1) věk pacientky (roky), (2) přítomnost ascitu (ano=1, ne=0), (3) přítomnost perfuze v papilární prominenci (ano=1, ne=0), (4) maximální velikost solidní komponenty nádoru v mm, (5) přítomnost nepravidelné vnitřní výstelky (ano=1, ne=0) a (6) přítomnost akustického stínu (ano=1, ne=0). Proměnné jsou součástí LR1 modelu (z = −5,3718 + 0,0354(1) + 1,6159(2) + 1,1768(3) + 0,0697(4) + 0,9586(5) − 2,9486 (6), riziko malignity je určeno jako 1/(1+exp(-z)). Model vyžaduje počítačové zázemí (počítač nebo chytrý telefon) k výpočtu procentuálního rizika maligní léze a je volně ke stažení, viz výše. Ve výsledku testu dostaneme procentuální riziko zastoupení maligní léze (pozitivní výsledek ≥ 10 %). Doporučeným postupem je však rozdělit pacientky do tří skupin podle rizika maligní léze: malé riziko < 5 %, střední riziko ≥ 5 % a < 25 %, vysoké riziko ≥ 25 % [34]. Pacientky s nízkým rizikem (tj. riziko zhoubného nádoru < 1 ze 20 ovariálních lézí) mohou být řešeny expektačně nebo odeslány k laparoskopickému výkonu. Pacientky s vysokým rizikem (riziko ≥ 1 ze 4 pacientek má zhoubný nádor) mají být odeslány do onkogynekologického centra ke stagingové operaci. Zbylých přibližně 20 % případů jsou pacientky ve středním riziku maligního nádoru (≥ 5 % a < 25 %), které by měly být odeslány na expertní ultrazvukové vyšetření.

JEDNODUCHÉ SPECIFIKÁTORY OVARIÁLNÍ LÉZE (SIMPLE DESCRIPTORS)

Mnoho ovariálních lézí má charakteristické ultrazvukové známky, které umožní jejich správnou diagnózu i v rukou méně zkušených sonografistů. Podle dat IOTA studie mezi snadno vyšetřitelné ovariální léze patří například endometroidní, dermoidní nebo simplexní cysty. Podobně ani pokročilý ovariální karcinom doprovázený ascitem nečiní diagnostické obtíže. Jedná se přibližně o 40 % případů, kdy není nutné modely využívat, ale přitom lze snadno stanovit správnou diagnózu benigní nebo maligní léze. Typické známky těchto velmi snadno rozpoznatelných ovariálních lézí byly definovány jako tzv. jednoduché specifikátory (simple descriptors). Těchto šest velmi jednoduchých typických popisných znaků (čtyři charakteristické znaky pro benigní lézi a dva znaky pro maligní lézi) (schéma 3) se může stát vstupním vodítkem pro méně zkušené sonografisty (1. krok) [3]. Pokud jsou tyto znaky aplikovatelné, i méně zkušený sonografista s extrémně vysokou přesností stanoví, zda je léze benigní, nebo maligní, a nemusí se zdržovat s aplikací modelů. Pokud není žádný znak v lézi zastoupen nebo jsou zastoupeny zároveň maligní i benigní znaky, nejsou tyto popisné specifikátory léze použitelné a nádor je hodnocen jednoduchými ultrazvukovými pravidly (2. krok). Pokud ani tato pravidla nejsou v hodnocení léze aplikovatelná, pak nezbývá než pacientku odeslat k expertnímu ultrazvukovému vyšetření (3. krok). Tento třístupňový postup má stejnou přesnost, jako kdyby byly všechny pacientky přímo odeslány a vyšetřeny expertním sonografistou (senzitivita a specificita 92 %), ale umožní redukovat počet pacientek indikovaných k ultrazvukovému expertnímu vyšetření na méně než 20 % [3, 12, 25].

Schéma 3 Jednoduché ultrazvukové specifikátory ovariální léze
Schéma 3 Jednoduché ultrazvukové specifikátory ovariální léze
Tyto jednoduché ultrazvukové specifikátory léze jsou zvláště vhodné pro méně zkušené sonografisty, protože zkušenější sonografista dovede snadno rozeznat tyto typické ultrazvukové znaky bez nutnosti přiloženého schématu [3].

STRATEGIE POSTUPU U ŽENY S OVARIÁLNÍ LÉZÍ

Strategie postupu u nálezu ovariální léze je shrnuta ve schématu 4. Podle recentní metaanalýzy dvou hlavních autorů Testy a Kaijsera (a kol.), která testovala vhodnou strategii diagnostiky ovariálního karcinomu, je v současnosti nejefektivnějším krokem dvoustupňový algoritmus, kdy v prvním kroku se hodnotí ovariální léze s využitím jednoduchých ultrazvukových pravidel, a pokud nelze pravidla aplikovat, v druhém kroku je pacientka odeslána k subjektivnímu hodnocení léze expertem [21]. Třístupňový algoritmus (1. krok – jednoduché specifikátory, 2. krok – jednoduchá ultrazvuková pravidla, 3. krok – expertní sonografické vyšetření) nedosáhl lepších výsledků než tento dvoustupňový algoritmus (DOR [diagnostic odds ratio pro dvou- vs. třístupňový algoritmus], 75,7 vs. 70,7). Pro úplnost je nutné zmínit výsledky pro dvoustupňový algoritmus s využitím LR2 (1. krok – hodnocení léze LR2 modelem, 2. krok – pacientky v neurčitém riziku malignity odeslat na expertní vyšetření) s DOR 58,7. Z uvedených výsledků je zřejmé, že všechny tři diagnostické algoritmy mají vysokou přesnost, pokud jsou nehodnotitelné nálezy v posledním kroku odeslány k expertnímu sonografickému vyšetření.

Schéma 4 Algoritmus předoperačního postupu u ženy s ovariální lézí
Schéma 4 Algoritmus předoperačního postupu u ženy s ovariální lézí
V současnosti je nejefektivnějším postupem v diferenciální diagnostice ovariálních lézí charakterizovat lézi s využitím jednoduchých ultrazvukových pravidel, alternativou zůstává logistický regresní model (LR2). Jednoduché specifikátory ovariální léze jsou vhodné pro méně zkušené sonografisty, jelikož velkou část ovariálních lézí lze předoperačně spolehlivě posoudit bez nutnosti aplikace predikčních modelů.

Pro denní praxi se zdá být nejlépe využitelný dvoustupňový diagnostický algoritmus, kdy je ovariální léze vyšetřena s pomocí jednoduchých ultrazvukových pravidel, a pokud nejsou pravidla aplikovatelná, je pacientka odeslána na expertní ultrazvukové vyšetření. Tento postup by se měl stát platným doporučením odborných společností pro stanovení přesné předoperační diagnostiky ovariální léze s cílem optimalizovat management u pre- a postmenopauzálních žen s nálezem ovariálního nádoru.

Závěrem je vhodné zmínit, že předložené doporučení postupu pro předoperační diferenciální diagnostiku benigních a maligních ovariálních nádorů nás může účinně ochránit v případě forenzních problémů, jelikož je postavené na pevných důkazech [12]. Podmínkou je však dodržení správné metodiky ultrazvukového vyšetření, řádný popis léze doporučenou ultrazvukovou terminologií, doložení reprezentativní obrazové dokumentace nádoru ve dvou řezech, včetně citlivého dopplerovského vyšetření a požadovaných měření, korektní aplikace doporučeného predikčního modelu a adekvátní management pacientky založený na výsledku testu.

VÝHLED DO BUDOUCNOSTI

Pro lepší interpretaci výsledků predikčních modelů (rizika maligního nádoru) bude možné využít barevnou škálu výsledků testu (ICS system, the Interval Coded Scoring), který bude také volně ke stažení do počítačů nebo chytrých telefonů [31].

Pro klinickou praxi je důležité nejen odlišit, zda je ovariální nádor benigní, nebo maligní, ale také upřesnit typ maligního nádoru. Nelze očekávat, že bychom vytvořili modely schopné predikovat přesnou sonohistologii nádoru tak, jako to dokáže ultrazvukový expert, jelikož se jedná o rozsáhlou a velmi heterogenní skupinu nádorů s někdy velmi vzácným výskytem. Mezinárodní skupině IOTA se však podařilo nalézt matematický Adnex model (Assessment of Different NEoplasias in the adneXa), který dovede odlišit, zda se jedná o benigní ovariální nádor, borderline ovariální nádor, primární časný karcinom, primární pokročilý karcinom a sekundární ovariální nádor metastazující do ovarií [35]. Práce prezentující tento model, který byl vyvinutý a otestovaný na datech 6000 žen s ovariálními lézemi získaných ze 24 center v 10 zemích (Itálie, Belgie, Švédsko, Česká republika, Polsko, Francie, UK, Čína, Španělsko, Kanada) prochází nyní recenzním řízením. Adnex model obsahuje 9 proměnných: věk pacientky, sérovou hladinu CA 125, maximální velikost léze, proporce solidní komponenty, počet lokularit > 10, počet papilárních prominencí, přítomnost akustického stínu, ascitu a typ centra (specializované onkologické centrum vs. jiné). Test spolehlivě odlišil benigní a maligní lézi (AUC 0.94, the area under the receiver operating characteristic curve) a při porovnání přesnosti testu mezi mezi jednotlivými podskupinami nádoru se AUC pohybovala mezi 0,99–0,71 [33, 35]. I tento model bude volně dostupný na webových stránkách IOTA (http://www.iotagroup.org/adnexmodel/) a po zadání proměnných nám určí procentuální pravděpodobnost přítomnosti jednotlivého nádorového typu.

Mnoho ovariálních lézí nemá riziko maligní transformace a nevyžaduje operační řešení. V současné době probíhá pátá fáze IOTA studie (IOTA 5, 2012–2017), jež prospektivně sleduje chování nesuspektních ovariálních lézí u pacientek, které nebyly operovány. Cílem je předložit odborné doporučení pro klinický postup u všech typů adnexálních lézí postavený na důkazech. Tedy přesně definovat ovariální léze vhodné ke sledování (nenádorové ovariální léze), k operační léčbě na spádovém gynekologickém oddělení (benigní nádory), k operační radikální onkologické léčbě v onkogynekologickém centru (primární maligní ovariální nádory) nebo k odeslání na klinickou onkologii (metastatické ovariální nádory).

ZÁVĚR

Přesná předoperační diagnostika ovariální léze umožní volbu optimálního klinického postupu. V současné době je nejefektivnějším postupem v předoperační diagnostice maligních a benigních ovariálních lézí vyšetření expertním sonografistou a/nebo využití predikčních matematických modelů mezinárodní skupiny IOTA. Tyto modely umožní méně zkušeným sonografistům odlišit benigní a maligní ovariální nádor s přesností expertního sonografisty.

Práce byla podpořena Univerzitou Karlovou v Praze (projekt UNCE 204024 a PRVOUK-P27/LF1/1), grantem Ministerstva zdravotnictví RVO-VFN64165 a grantem Interní grantové agentury Ministerstva zdravotnictví NT 13070.

MUDr. Daniela Fischerová, Ph.D.

Onkogynekologické Centrum

Gynekologicko-porodnická klinika1. LF UK a VFN

Apolinářská 18

128 51 Praha 2

e-mail: daniela.fischerova@seznam.cz


Sources

1. Alcazar, JL., Pascual, MA., Olartecoechea, B., et al. IOTA simple rules for discriminating between benign and malignant adnexal masses: prospective external validation. Ultrasound Obstet Gynecol, 2013, 42, 4, p. 467–471.

2. American College of O., Gynecologists Committee on Gynecologic, P. Committee Opinion No. 477: the role of the obstetrician-gynecologist in the early detection of epithelial ovarian cancer. Obstet Gynecol, 2011, 117, 3, p. 742–726.

3. Ameye, L., Timmerman, D., Valentin, L., et al. Clinically oriented three-step strategy for assessment of adnexal pathology. Ultrasound Obstet Gynecol, 2012, 40, 5, p. 582–591.

4. Dearking, AC., Aletti, GD., McGree, ME., et al. How relevant are ACOG and SGO guidelines for referral of adnexal mass? Obstet Gynecol, 2007, 110, 4, p. 841–848.

5. DePriest, PD., Shenson, D., Fried, A., et al. A morphology index based on sonographic findings in ovarian cancer. Gynecol Oncol, 1993, 51, 1, p. 7–11.

6. Ferrazzi, E., Zanetta, G., Dordoni, D., et al. Transvaginal ultrasonographic characterization of ovarian masses: comparison of five scoring systems in a multicenter study. Ultrasound Obstet Gynecol, 1997, 10, 3, p. 192–197.

7. Finkler, NJ., Benacerraf, B., Lavin, PT., et al. Comparison of serum CA 125, clinical impression, and ultrasound in the preoperative evaluation of ovarian masses. Obstet Gynecol, 1988, 72, 4, p. 659–664.

8. Fischerová, D. Pánevní anatomie v ultrazvukovém obraze. In Calda, P. Ultrazvuková diagnostika v těhotenství a gynekologii. Praha: Aprofema, 2010, s. 380–401.

9. Fischerová, D., Pinkavová, I., Sláma, J., et al. Racionální předoperační diagnostika benigních a maligních ovariálních nádorů – zobrazovací metody, nádorové markery (přehledový článek). Čes Gynek, 2012, 77, 4, p. 272–287.

10. Granberg, S., Norstrom, A., Wikland, M. Tumors in the lower pelvis as imaged by vaginal sonography. Gynecol Oncol, 1990, 37, 2, p. 224–229.

11. Jacobs, I., Oram, D., Fairbanks, J., et al. A risk of malignancy index incorporating CA 125, ultrasound and menopausal status for the accurate preoperative diagnosis of ovarian cancer. Br J Obstet Gynaecol, 1990, 97, 10, p. 922–929.

12. Kaijser, J., Bourne, T., Valentin, L., et al. Improving strategies for diagnosing ovarian cancer: a summary of the International Ovarian Tumor Analysis (IOTA) studies. Ultrasound Obstet Gynecol, 2013, 41, 1, p. 9–20.

13. Kaijser, J., Sayasneh, A., Van Hoorde, K., et al. Presurgical diagnosis of adnexal tumours using mathematical models and scoring systems: a systematic review and meta-analysis. Hum Reprod Update, 2013.

14. Kaijser, J., Van Gorp, T., Sayasneh, A., et al. Differentiating stage I epithelial ovarian cancer from benign disease in women with adnexal tumors using biomarkers or the ROMA algorithm. Gynecol Oncol, 2013, 130, 2, p. 398–389.

15. Kaijser, J., Vandecaveye, V., Deroose, C., et al. Imaging techniques for the pre-surgical diagnosis of adnexal tumors. Best Practice & Researcg Clinical Obstetrics and Gynaecology, 2014, in print.

16. Lu, C., Van Gestel, T., Suykens, JA., et al. Preoperative prediction of malignancy of ovarian tumors using least squares sup-port vector machines. Artif Intell Med, 2003, 28, 3, p. 281–306.

17. Nunes, N., Yazbek, J., Ambler, G., et al. Prospective evaluation of the IOTA logistic regression model LR2 for the diagnosis of ovarian cancer. Ultrasound Obstet Gynecol, 2012, 40, 3, p. 355–359.

18. Sassone, AM., Timor-Tritsch, IE., Artner, A., et al. Transvaginal sonographic characterization of ovarian disease: evaluation of a new scoring system to predict ovarian malignancy. Obstet Gynecol, 1991, 78, 1, p. 70–76.

19. Sayasneh, A., Kaijser, J., Preisler, J., et al. A multicenter prospective external validation of the diagnostic performance of IOTA simple descriptors and rules to characterize ovarian masses. Gynecol Oncol, 2013, 130, 1, p. 140–146.

20. Sayasneh, A., Wynants, L., Preisler, J., et al. Multicentre external validation of IOTA prediction models and RMI by operators with varied training. Br J Cancer, 2013, 108, 12, p. 2448–2454.

21. Testa, AC., Kaijser, J., Wynants, L., et al. Strategies to diagnose ovarian cancer: a meta-analysis of centre-specific data from the multicentre IOTA 3 study. Br J Cancer, in print, 2014.

22. Timmerman, D., Bourne, TH., Tailor, A., et al. A comparison of methods for preoperative discrimination between malignant and benign adnexal masses: the development of a new logistic regression model. Am J Obstet Gynecol, 1999, 181, 1, p. 57–65.

23. Timmerman, D., Verrelst, H., Bourne, TH., et al. Artificial neural network models for the preoperative discrimination between malignant and benign adnexal masses. Ultrasound Obstet Gynecol, 1999, 13, 1, p. 17–25.

24. Timmerman, D., Valentin, L., Bourne, TH., et al. Terms, definitions and measurements to describe the sonographic features of adnexal tumors: a consensus opinion from the International Ovarian Tumor Analysis (IOTA) Group. Ultrasound Obstet Gynecol, 2000, 16, 5, p. 500–505.

25. Timmerman, D., Testa, AC., Bourne, T., et al. Simple ultrasound-based rules for the diagnosis of ovarian cancer. Ultrasound Obstet Gynecol, 2008, 31, 6, p. 681–690.

26. Timmerman, D., Ameye, L., Fischerova, D., et al. Simple ultrasound rules to distinguish between benign and malignant adnexal masses before surgery: prospective validation by IOTA group. BMJ, 2010, 341, p. c6839.

27. Timmerman, D., Van Calster, B., Testa, AC., et al. Ovarian cancer prediction in adnexal masses using ultrasound-based logistic regression models: a temporal and external validation study by the IOTA group. Ultrasound Obstet Gynecol, 2010, 36, 2, p. 226–234.

28. Timmerman, D., Van Calster, B., Vergote, I., et al. Performance of the American College of Obstetricians and Gynecologists‘ ovarian tumor referral guidelines with a multivariate index assay. Obstet Gynecol, 2011, 118, 5, p. 1179–1181; author reply 1181.

29. Valentin, L., Hagen, B., Tingulstad, S., Eik-Nes, S. Comparison of ‚pattern recognition‘ and logistic regression models for discrimination between benign and malignant pelvic masses: a prospective cross validation. Ultrasound Obstet Gynecol, 2001, 18, 4, p. 357–365.

30. Valentin, L., Jurkovic, D., Van Calster, B., et al. Adding a single CA 125 measurement to ultrasound imaging performed by an experienced examiner does not improve preoperative discrimination between benign and malignant adnexal masses. Ultrasound Obstet Gynecol, 2009, 34, 3, p. 345–354.

31. Van Belle, VM., Van Calster, B., Timmerman, D., et al. A mathematical model for interpretable clinical decision support with applications in gynecology. PLoS One, 2012, 7, 3, p. e34312.

32. Van Calster, B., Timmerman, D., Bourne, T., et al. Discrimination between benign and malignant adnexal masses by specialist ultrasound examination versus serum CA-125. J Natl Cancer Inst, 2007, 99, 22, p. 1706–1714.

33. Van Calster, B., Valentin, L., Van Holsbeke, C., et al. A novel approach to predict the likelihood of specific ovarian tumor pathology based on serum CA-125: a multicenter observational study. Cancer Epidemiol Biomarkers Prev, 2011, 20, 11, p. 2420–2428.

34. Van Calster, B., Timmerman, D., Valentin, L., et al. Triaging women with ovarian masses for surgery: observational diagnostic study to compare RCOG guidelines with an International Ovarian Tumour Analysis (IOTA) group protocol. BJOG, 2012, 119, 6, p. 662–671.

35. Van Calster, B., Van Hoorde, K., Valentin, L., et al. Diagnosing ovarian cancer using the ADNEX risk model from the International Ovarian Tumour Analysis group: differentiating between benign, borderline, stage I invasive, advanced stage invasive, and secondary metastatic tumours. BMJ (in print), 2014.

36. Van Gorp, T., Veldman, J., Van Calster, B., et al. Subjective assessment by ultrasound is superior to the risk of malignancy index (RMI) or the risk of ovarian malignancy algorithm (ROMA) in discriminating benign from malignant adnexal masses. Eur J Cancer, 2012, 48, 11, p. 1649–1656.

37. Van Holsbeke, C., Daemen, A., Yazbek, J., et al. Ultrasound experience substantially impacts on diagnostic performance and confidence when adnexal masses are classified using pattern recognition. Gynecol Obstet Invest, 2010, 69, 3, p. 160–168.

38. Van Holsbeke, C., Van Calster, B., Bourne, T., et al. External validation of diagnostic models to estimate the risk of malignancy in adnexal masses. Clin Cancer Res, 2012, 18, 3, p. 815–825.

39. Verleye, L., Vergote, I., van der Zee, AG. Patterns of care in surgery for ovarian cancer in Europe. Eur J Surg Oncol, 2010, 36, Suppl 1, p. S108–114.

40. Woo, YL., Kyrgiou, M., Bryant, A., et al. Centralisation of services for gynaecological cancers – a Cochrane systematic review. Gynecol Oncol, 2012, 126, 2, p. 286–290.

Labels
Paediatric gynaecology Gynaecology and obstetrics Reproduction medicine
Login
Forgotten password

Enter the email address that you registered with. We will send you instructions on how to set a new password.

Login

Don‘t have an account?  Create new account

#ADS_BOTTOM_SCRIPTS#