Пример оценки индекса риска рецидивирования рака яичников при помощи компьютерной программы
- Авторы: Гатауллин И.Г.1, Савинова А.Р.2
-
Учреждения:
- Казанская государственная медицинская академия – филиал ФГБОУ ДПО РМАНПО Минздрава России
- Республиканский клинический онкологический диспансер Минздрава Республики Татарстан
- Выпуск: Том 7, № 1 (2022)
- Страницы: 50-53
- Раздел: Онкология, лучевая терапия
- Статья опубликована: 15.01.2021
- URL: https://innoscience.ru/2500-1388/article/view/89467
- DOI: https://doi.org/10.35693/2500-1388-2022-7-1-50-53
- ID: 89467
Цитировать
Полный текст
Аннотация
В статье приведено клиническое наблюдение определения риска рецидивирования у пациентки с раком яичников IIIA стадии по FIGO после завершения первой линии комбинированной терапии с использованием разработанной нами компьютерной программы.
Была произведена оценка доклинической манифестации рецидива рака яичников путем вычисления индекса ИРРРЯ (индивидуальный риск рецидива рака яичников). В качестве исходных параметров в программу вводятся такие показатели, как стадия заболевания по FIGO (International Federation of Obstetrics and Gynecology), степень дифференцировки опухоли (Grade), гистотип, наличие или отсутствие остаточной опухоли при УЗИ после завершения лечения, значение уровня онкомаркера СА-125 до начала лечения, значение уровня онкомаркера НЕ-4 после окончания лечения. Программа рассчитывает индивидуальный риск рецидивирования в 3 промежутках значений: низкий (0 – 0,39), умеренный (0,40 – 0,85) и высокий (0,86 – 1,0).
Заключение. Компьютерная программа для оценки индивидуального риска рецидивирования рака яичников является простой в использовании и с высокой точностью прогнозирует вероятность рецидивирования.
Полный текст
АКТУАЛЬНОСТЬ
Одним из важных аспектов ранней диагностики рака яичников и его рецидивов является дифференциальная диагностика между доброкачественными и злокачественными состояниями, так как подозрение на злокачественную природу опухоли влечет за собой ряд таких инвазивных манипуляций, как пункционная биопсия, диагностическая лапаротомия или лапароскопия и, наконец, радикальная операция. В связи с этим с недавних пор активно разрабатываются многофакторные логистические модели, в которых используются клиническая информация и результаты инструментальных исследований. Последние могут быть разделены на следующие группы: 1) алгоритмы, рассчитывающие индивидуальный риск малигнизации образований в области малого таза [1–3]; 2) алгоритмы, оценивающие риск прогрессирования заболевания [4]; 3) алгоритмы, оценивающие прогноз при применении того или иного типа терапии [5–7].
К алгоритмам, оценивающим риск прогрессирования заболевания, относится также алгоритм оценки индивидуального риска рецидивирования рака яичников (ИРРРЯ), разработанный и запатентованный нами в 2015 году [8, 9].
Вышеуказанный алгоритм характеризуется чувствительностью 82,2% и AUC (англ. Area under the curve – «площадь под кривой») 76,1 % (95% CI: 73,3 – 78,9). На основании данного алгоритма была разработана и внедрена в клиническую практику соответствующая компьютерная программа [10].
КЛИНИЧЕСКОЕ НАБЛЮДЕНИЕ
Рассмотрим, как при помощи компьютерной программы можно оценить риск рецидивирования рака яичников на примере ее применения у пациентки с раком яичников.
Больная К., 32 года, поступила в отделение онкогинекологии (июнь, 2015 г.) ГАУЗ Республиканского клинического онкологического диспансера Минздрава Республики Татарстан (РКОД МЗ РТ) после ежегодного медицинского осмотра на рабочем месте, где эхографически было выявлено подозрительное новообразование в проекции правого яичника. УЗИ, выполненное в РКОД МЗ РТ, выявило кистозную массу с гипер- эхогенными включениями в правом яичнике размером 50,9×40,8 мм, а также свободную жидкость в брюшной полости (рисунок 1).
Рисунок 1. Ультразвуковое изображение пациентки с подозрением на рак правого яичника.
Результат КТ: комплексная киста яичника с асцитом. Уровень СА-125 до операции – 886 Ед/мл. Пациентке была выполнена лапароскопия в области малого таза, и собранная жидкость был отправлена на гистопатологическое исследование. Результат: серозная аденокарцинома высокой степени дифференцировки.
Проведена тотальная гистерэктомия с билатеральной сальпинго-овариэктомией, внутритазовой и парааортальной лимфаденэктомией. Клинический диагноз: pT1cN1aM0, IIIА стадия FIGO. Пациентке было проведено 3 курса неоадъювантной и 4 курса адъювантной химиотерапии. Уровень СА-125 после химиотерапии первой линии составил 29 Ед/мл, уровень HE-4 после операции составил 42 Пмоль/л.
Пример расчета индивидуального риска рецидивирования рака яичников приведен на рисунке 2.
Рисунок 2. Расчeт ИРРРЯ у пациентки с раком яичников после завершения первой линии комбинированной терапии.
Так как расчeт был произведен ретроспективно, в момент подготовки настоящей рукописи, то возраст пациента в программе указан как 37 лет, а не как 32 года, как на момент поступления. В левой части рисунка 2 можно рассмотреть вводные данные, соответствующие истории болезни пациентки. В белом поле высвечивается расчетный риск, в данном случае – 0,91, что означает, что у данной пациентки высокий риск рецидивирования в течение 5 лет после завершения терапии первой линии. Также указывается чувствительность – 69% и специфичность – 73,3% данного прогноза.
В ноябре 2017 года пациентка была направлена в РКОД МЗ РТ по поводу бессимптомного повышения онкомаркеров СА-125 до 40 Ед/мл и HE-4 до 78 пм/л.
На ультразвуковом исследовании в левой поддиафрагмальной области было выявлено мультикистозное образование размерами 24x32x15mm.
Так как пациентка подходила по критериям выполнения вторичных циторедуктивных операций в нашем центре, а именно: безрецидивный интервал ≥ 12 месяцев, наличие потенциально резектабельных единичных или множественных очагов (возможность резекции в зависимости от локализации или диаметр ≤ 2см), отсутствие противопоказаний к общей анестезии (ECOG), наличие хирургической бригады с достаточным опытом и навыками для выполнения сложных онкохирургических вмешательств, то ей была предложена вторичная циторедуктивная операция, на что пациентка согласилась.
В ноябре 2017 года проведена операция – сплен-эктомия. Макроскопически: на поверхности селезенки белесоватое образование приблизительно 3 см в диаметре, без признаков диссеминации в брюшной полости. Результат патологистологического исследования: серозная аденокарцинома. Больной были проведены 6 курсов адъювантной химиотерапии.
До настоящего момента пациентка находится под наблюдением в поликлинике ГАУЗ РКОД МЗ РТ. Других рецидивов пока зарегистрировано не было.
Таким образом, на примере данной больной продемонстрирована точность прогноза ИРРРЯ. При широком внедрении программы уже на уровне первичных онкологических кабинетов городских и районных поликлиник программа позволит наблюдать пациентов с высоким риском рецидивирования более интенсивно – как в плане частоты визитов, так и в плане объема инструментальных методов исследования.
ОБСУЖДЕНИЕ
«Алгоритм оценки индивидуального риска рецидивирования рака яичников (ИРРРЯ)» был разработан и введен в клиническую практику на основании статистической обработки данных 1484 больных раком яичников из базы «Канцер-регистр» Республики Татарстан. Алгоритм основан на анализе методом логистической функции. Этапы расчета ИРРРЯ приведены в таблице 1.
Шаги вычислений | Параметр | Вычисление шкалы ИРРЯ |
A | Стартовый балл | - 3,346 |
B | Стадия IA IB IC IIA IIB IIIA IIIB IIIC IVA IVB | 0 0,621 0,930 1,005 1,200 1, 238 1,412 1,503 1,605 1,637 |
С | Гистотип Редкие опухоли Муцинозный Недифференцированный Светлоклеточный Серозный Эндометриоидный | 0,41 0,5215 0,79 0,351 0,86 0 |
D | Степень дифференцировки G1 G2 G3 | 0 0,583 1,342 |
E | УЗИ Есть резидуальная ткань Нет резидуальной ткани | 2,5 0 |
H | CA 125до ≥ 200 Ед/мл < 200 Ед/мл | 1,207 0 |
F | HE 4после > 35 Пмоль/л/л ≤ 35 Пмоль/л/л | 1,0479 0 |
J | Расчет общего балла | Сумма баллов A-J |
H | ИРРРЯ=1/1+exp (-Общий балл А-J) |
Таблица 1. Алгоритм оценки индивидуального риска рецидива рака яичников
Table 1. Relapse of ovarian neoplasm - individual risk assessment algorithm
На основании проведенного ранее ROC-анализа было определено, что у ИРРРЯ есть 3 промежутка значений, соответствующих низкому (0 – 0,39), умеренному (0,40 – 0,85) и высокому (0,86 – 1,0) риску рецидивирования.
С целью практического применения в ежедневной работе данные из таблицы 1, а также промежутки значений низкого, умеренного и высокого риска рецидивирования были интегрированы в программу для ЭВМ со следующими характеристиками.
- Тип реализующей ЭВМ: IBM PC – совместимый персональный компьютер.
- Язык программирования: С# или С Sharp.
- Вид и версия операционной системы: Microsoft Windows XP/Vista/7/8/10.
- Требование к оборудованию: Процессор 1ГГЦ ОЗУ 512 Мб.
- Требуется поддержка: Net Framework 3.5.
- Объем программы для ЭВМ: 76,3 Кб.
В качестве исходных параметров программы задаются следующие показатели: стадия заболевания по FIGO (International Federation of Obstetrics and Gynecology) (рисунок 3А), степень дифференцировки опухоли (рисунок 3Б), гистотип (рисунок 3В), наличие или отсутствие остаточной опухоли на УЗИ после лечения (рисунок 3Г), значение уровня онкомаркера СА-125 до начала лечения (рисунок 3Д), значение уровня онкомаркера НЕ-4 после лечения (рисунок 3Е).
Рисунок 3 (А–Е). Пошаговый процесс ввода факторов риска в программу для ЭВМ «Алгоритм ИРРРЯ».
После ввода исходных параметров программа в удобной для оператора форме выводит на экран расчетный риск ИРРРЯ и группу риска, а также точность классификации.
ЗАКЛЮЧЕНИЕ
Приведенный клинический пример наглядно показывает возможность и необходимость реального применения программы ИРРРЯ в клинической практике для диагностики доклинической манифестации рецидивирования рака яичников после окончания терапии первой линии.
Компьютерная программа для оценки ИРРРЯ является простой в использовании и с высокой точностью прогнозирует вероятность рецидивирования у пациентов с раком яичников. Интегрирование программы в работу онкологических кабинетов позволит персонифицировать план динамического наблюдения, особенно для пациентов с высоким риском рецидивирования.
Конфликт интересов: все авторы заявляют об отсутствии конфликта интересов, требующего раскрытия в данной статье.
Об авторах
Ильгиз Габдуллович Гатауллин
Казанская государственная медицинская академия – филиал ФГБОУ ДПО РМАНПО Минздрава России
Email: ilgizg@list.ru
ORCID iD: 0000-0001-5115-6388
д-р мед. наук, профессор кафедры онкологии, радиологии и паллиативной медицины
Россия, КазаньАйгуль Рафисовна Савинова
Республиканский клинический онкологический диспансер Минздрава Республики Татарстан
Автор, ответственный за переписку.
Email: aigulkazan@mail.ru
ORCID iD: 0000-0001-7048-4125
врач-онколог онкологического отделения №10
Россия, КазаньСписок литературы
- Liest AL, Omran AS, Mikiver R, et al. RMI and ROMA are equally effective in discriminating between benign and malignant gynecological tumors: A prospective population-based study. Acta Obstetricia et Gynecologica Scandinavica. 2019;1(98):24–33. doi: 10.1111/aogs.13462
- Ionescu CA, Matei A, Navolan D, et al. Correlation of ultrasound features and the Risk of Ovarian Malignancy Algorithm score for different histopathological subtypes of benign adnexal masses. Medicine (Baltimore). 2018;97(31):e11762. doi: 10.1097/MD.0000000000011762
- Salim E, Zubairi AM, Danish SH, Ali U. Diagnostic Accuracy of Risk of Ovarian Malignancy Algorithm (ROMA) in Post-Menopausal Patients with Ovarian Mass. J Coll Physicians Surg Pak. 2018;28(6):440–444. doi: 10.29271/jcpsp.2018.06.44
- Calester B, Van Hoorde K, Froyman W, et al. Practical guidance for applying the ADNEX model from the IOTA group to discriminate between different subtypes of adnexal tumors. Facts Views Vis Obgyn. 2015;7(1):32–41. PMID: 25897370
- Schneider S, Armbrust R, Spies C, et al. Prehabilitation programs and ERAS protocols in gynecological oncology: a comprehensive review. Arch Gynecol Obstet. 2020;301(2):315–326. doi: 10.1007/s00404-019-05321-7
- Devlin MJ, Ledermann JA, Lockley M, et al. 975P Clear cell ovarian cancer (CCOC): Predicting risk of relapse (ROR). Annals of Oncology. 2018;29(8)։7–12. doi: 10.1093/annonc/mdy285.182
- Narasimhulu DM, Kumar A, Weaver AL, et al. Using an evidence-based triage algorithm to reduce 90-day mortality after primary debulking surgery for advanced epithelial ovarian cancer. Gynecol Oncol. 2019;155(1):58–62. doi: 10.1016/j.ygyno.2019.08.004
- Savinova AR, Gataullin IG, Shakirov RR. Method of assessment of the risk of relapse of ovarian cancer. Patent of Russian Federation No. 2251692, published on 10.05.2015, Bulletin No. 13. (In Russ.). [Савинова А.Р., Гатауллин И.Г., Шакиров Р.Р. Способ оценки риска рецидивирования рака яичников. Патент Российской Федерации № 2251692, опубликованный 10.05.2015, бюллетень № 13].
- Savinova AR, Gataullin IG. Relapse of ovarian neoplasm: individual risk assessment algorithm. Science and Innovations in Medicine. 2019;4(3):65–68. (In Russ.). [Савинова А.Р., Гатауллин И.Г. Алгоритм оценки индивидуального риска рецидивирования рака яичников. Наука и инновации в медицине. 2019;4(3):65–68]. doi: 10.35693/2500-1388-2019-4-3-65-68
- Savinova AR, Gataullin IG, Shakirov RR, Yarovaya EYu. Computer program for the realization of the algorithm of risk of relapse of ovarian neoplasm. Certificate of the State Registration of the Computer program № 2017619452 from 24.08.2017;1–12. (In Russ.). [Савинова А.Р., Гатауллин И.Г., Шакиров Р.Р., Яровая Е.Ю. Программа для реализации алгоритма оценки индивидуального риска рецидивирования рака яичников. Свидетельство о государственной регистрации программы для ЭВМ № 2017619452 от 24.08.2017 г.;1–12].
Дополнительные файлы
