ADNEXモデル：卵巣腫瘤のリスク評価
医者が卵巣腫瘍を評価して、それががんである可能性を判断するためのツール。
― 1 分で読む
目次
患者に卵巣腫瘍が見つかったとき、次のステップはその腫瘍が良性か悪性（癌）かによって変わるんだ。良性の腫瘍は危なくないから、定期的なチェックやエコー検査で様子を見たり、時には侵襲の少ない手術を選ぶこともある。一方、悪性の腫瘍は特別なケアが必要で、がんセンターの経験豊富なチームからの治療が求められるんだ。境界例や侵襲性の腫瘍の異なるステージもあって、それぞれに合った手術方法が必要になる。
医師が患者全員に手術をすることなく適切な治療法を選ぶためには、腫瘍が癌である確率を推定できる診断モデルというツールがある。ADNEXというモデルがその一つで、卵巣腫瘍に特化したグループによって開発された。ADNEXは、臨床評価やエコー検査から得られる特定のサインを使って、腫瘍の種類を予測するんだ。
ADNEXモデルって何？
ADNEXモデルはリスクを評価するためにいくつかの要素を見ている。患者の年齢、血液中のCA-125と呼ばれる特定のタンパク質のレベル、そして患者が専門のがんセンターで診察を受けているかどうかの3つの臨床変数を考慮する。それに加えて、腫瘍の大きさ、固形組織の量、 cysts や液体の蓄積といったエコーの6つの指標も調べる。
ADNEXは、良性、境界、早期侵襲、進行侵襲、転移（他の部位から癌が広がること）の5つの腫瘍タイプの確率を推定するための統計ツールなんだ。モデルは、各悪性亜型のリスクを合計して総リスクを算出する。ADNEXにはCA-125レベルを含むバージョンと含まないものがあるよ。
ADNEXの開発
ADNEXは、いくつかの国で手術を受けた5,900人以上の卵巣腫瘍患者からのデータを使って作られた。元々は手術を受けた患者向けに設計されたけど、手術なしで管理されたグループでも検証されているんだ。
その効果から、多くの国や科学団体がADNEXモデルを臨床ガイドラインの一部として使うことを推奨している。いくつかのエコー機器メーカーは、ADNEXの機能を製品に直接組み込むことも始めている。
ADNEXの検証
多くの研究が、ADNEXが異なる臨床設定でどれだけうまく機能するかをテストしてきた。これまでに、これらの検証努力をまとめた数多くのレビューがあるけど、ほとんどはADNEXが問題を診断する能力に焦点を当てていて、リスク予測ツールとしての能力を評価していない。この限られた視点では、ADNEXモデルの能力を完全にはキャッチできていないんだ。ADNEXモデルは、シンプルなイエスかノーの答えを提供するのではなく、さまざまな腫瘍タイプのリスク推定を提供するように設計されているから。
現在の研究の目標
この研究の目的は、ADNEXが異なる設定でどれだけ検証されているかを調べ、これらの研究が報告した結果の質を議論し、利用可能なデータに基づいてモデルのパフォーマンスを分析することだった。
研究の選定基準
レビューに含まれるためには、ADNEXがリスクを予測するパフォーマンスを示す必要があった。ただし、モデルのパフォーマンスを評価しなかった研究、ADNEXの更新だけを見た研究、またはアブストラクトしかない研究は除外された。
研究の発見方法
研究チームは、ADNEXに関する研究を特定するためにいくつかの科学データベースと検索戦略を使用した。一番最初にADNEXに関する論文が発表された時から指定されたカットオフ日まで探した。他の関連する記事の参考文献も調べて、さらなる研究を探した。
研究選定プロセス
記録を分けた後、研究者たちは重複を取り除き、タイトルやアブストラクトをスクリーニングして、含める研究を選んだ。著者がADNEXを作ったグループとつながりがあった場合は、別のレビュアーがその研究を評価して客観性を確保したよ。
データ抽出と分析
各研究からのデータは、標準化された方法で集められて整理された。研究者たちは、研究のタイプ、人口に関する詳細、サンプルサイズ、パフォーマンス結果などに焦点を当てた。それぞれの研究が結果を報告する際にどれだけうまくやっているかを、特定のガイドラインに従ってチェックした。
ADNEXのパフォーマンス指標
各研究では、ADNEXが良性と悪性の腫瘍を区別する能力に関連する重要なパフォーマンス指標を探した。結果は、バイナリー（良性か悪性）またはマルチノミアル（複数の腫瘍タイプを含む）であり得る。
検証研究からの発見
レビューされた研究全体で、ADNEXは腫瘍のタイプを区別する際に良いパフォーマンスを示した。最も一般的に報告された指標は、良性と悪性の腫瘍を区別するモデルの能力だった。
研究は、CA-125レベルを含むADNEXが腫瘍の分類に強い結果を出せることを示唆した。ADNEXが信頼できる推定を提供し、治療の決定を導くのに重要な性能指標が見つかったんだ。
研究におけるバイアスのリスク
ADNEXのポジティブなパフォーマンスにもかかわらず、多くの研究は高いバイアスリスクがあると評価された。これは主に小さなサンプルサイズ、不完全なデータ、そして結果に影響を与える可能性のある他の要因から来ている。研究の報告の全体的な質は不一致であることが分かった。
結論：ADNEXの使用と信頼性
要するに、ADNEXモデルは卵巣腫瘍を評価するための貴重なツールで、医師がリスクを効果的に評価する手助けをしている。広範に検証されてきたけど、将来の研究には報告の質や潜在的なバイアスへの認識が必要だね。モデルの関連性を維持するためには、さらなる努力が不可欠だ。
ADNEXは、臨床医が卵巣腫瘍の管理について情報に基づいた決定を下すのを助ける可能性を秘めている。モデルの継続的な更新と多様な設定での徹底的な検証が、その目的を効果的に果たし続けるための鍵となる。最終的な目標は明確で、卵巣腫瘍を持つ患者に最高のケアを提供することなんだ。
タイトル: The ADNEX risk prediction model for ovarian cancer diagnosis: A systematic review and meta-analysis of external validation studies
概要: Objectives: To conduct a systematic review of studies externally validating the ADNEX model for ovarian cancer diagnosis and perform a meta-analysis of its performance. Design: Systematic review, meta-analysis Data sources: Medline, EMBASE, WOS, Scopus, and EuropePMC up to 15/05/2023. Review methods: We included external validation studies of the performance of ADNEX using any study design and any study population comprising patients with an adnexal mass. Two independent reviewers extracted data. Disagreements were resolved through discussion. Reporting quality of the studies was scored using the TRIPOD reporting guideline and methodological conduct and risk of bias using the PROBAST tool. We performed random effects meta-analysis of the AUC, sensitivity and specificity at the 10% risk of malignancy threshold, and Net Benefit and Relative Utility at the 10% risk of malignancy threshold. Results: We included 47 studies (17,007 tumours) with median study sample size 261 (range 24-4905). On average, 61% of TRIPOD items were reported. Handling of missing data, sample size justification, and model calibration were rarely described. 91% of validations were at high risk of bias, mainly due to the unexplained exclusion of incomplete cases, low sample size, or absent calibration assessment. The summary AUC to distinguish benign from malignant tumours in operated patients was 0.93 (95% CI 0.92-0.94, 95% prediction interval 0.85-0.98) for ADNEX with CA125 as a predictor (9202 tumours, 43 centres, 18 countries, 21 studies) and 0.93 (95% CI 0.91-0.94, 95% prediction interval 0.85-0.98) for ADNEX without CA125 (6309 tumours, 31 centres, 13 countries, 12 studies). The estimated probability that the model has clinical utility in a new centre was 95% (with CA125) and 91% (without CA125). When restricting analysis to studies at low risk of bias, summary AUCs were 0.93 (with CA125) and 0.91 (without CA125), and estimated probabilities that the model has clinical utility were 89% (with CA125) and 87% (without CA125). Discussion: ADNEX performed well to distinguish benign from malignant tumours in populations from different countries and settings regardless of whether CA125 was used or not. A key limitation is that calibration was rarely assessed. Review registration: PROSPERO, CRD42022373182
著者: Ben Van Calster, L. Barrenada, A. Ledger, P. Dhiman, G. S. Collins, L. Wynants, J. Y. Verbakel, D. Timmerman, L. Valentin
最終更新: 2023-07-12 00:00:00
言語: English
ソースURL: https://www.medrxiv.org/content/10.1101/2023.07.12.23291935
ソースPDF: https://www.medrxiv.org/content/10.1101/2023.07.12.23291935.full.pdf
ライセンス: https://creativecommons.org/licenses/by/4.0/
変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。
オープンアクセスの相互運用性を利用させていただいた medrxiv に感謝します。