Tumore ovarico: Nuovo test può aiutare i medici a scegliere miglior trattamento

Aprile 19, 2016 Admin Salute 0 1
FONT SIZE:
fontsize_dec
fontsize_inc

I ricercatori hanno messo a punto un nuovo test per aiutare i medici a diagnosticare i tumori ovarici e scegliere il trattamento più appropriato.

Il successo del trattamento dipende in parte identificare accuratamente il tipo di tumore, ma questo può essere difficile. Come risultato, molte donne con tumore non sono inviati al chirurgo specialista giusto, o quelli con una ciste benigna possono avere una più seria operazione di cui hanno bisogno.

In uno studio pubblicato oggi sul British Medical Journal, un team internazionale guidato da Imperial College di Londra e KU Leuven, Belgio descrivere un nuovo test, chiamato ADNEX, che può discriminare tra tumori benigni e maligni, e identificare i diversi tipi di tumore maligno, con un elevato livello di precisione.




Il test si basa sulle informazioni cliniche del paziente, un esame del sangue marcatore tumorale semplice e caratteristiche che possono essere identificati in una ecografia. Oltre che identifica il tipo di tumore, la prova esprime la fiducia della diagnosi in percentuale.

I medici possono utilizzare il test in un database clinico o immettendo i dettagli del paziente in un app smartphone, che è stato dimostrato ginecologi presso la Società Internazionale per Ultrasuoni in Ostetricia e Ginecologia World Congress di Barcellona il mese scorso. Gli autori dello studio dicono i medici potrebbero iniziare a utilizzare ADNEX subito.

Il professor Tom Bourne, del Dipartimento di Chirurgia e cancro presso l'Imperial College di Londra, ha detto: "E 'molto importante per ottenere la giusta diagnosi preoperatoria Se non è giusto, il paziente potrebbe avere una più ampia operazione di cui hanno bisogno, per esempio. avendo un ovaio rimosso inutilmente.

"Se un tumore è benigno, una donna potrebbe non necessita di alcun trattamento a tutti. Se è maligno, è necessario sapere che tipo di tumore è di scegliere il miglior trattamento e che il trattamento deve essere effettuato da chirurgo tumori ginecologici specialista "

"Al momento, il nostro modo di valutare le donne con cisti ovariche per la presenza di cancro e di selezionare il trattamento manca la precisione. Questo nuovo approccio alla classificazione dei tumori ovarici può aiutare i medici a prendere le decisioni di gestione dei diritti, che permetterà di migliorare l'esito per le donne con il cancro. Ma anche di ridurre la probabilità delle donne di tutti i tipi di cisti che hanno un trattamento eccessivo o non necessario, che può incidere sulla loro fertilità "

I ricercatori hanno sviluppato il test utilizzando i dati di 3.506 pazienti provenienti da 10 paesi europei dal 1999 al 2007 guardando il quale le informazioni disponibili prima dell'operazione potrebbe essere usato per predire la diagnosi. Hanno quindi testato il modello su altri 2.403 pazienti tra il 2009 e il 2012.

Gli studi hanno dimostrato che i pazienti con tumore ovarico hanno una migliore possibilità di sopravvivenza se si riferiscono a una unità di tumori ginecologici specializzata, ma questo avviene solo per una minoranza di donne in Europa e negli Stati Uniti al momento.

Oltre al tipo di tumore, la scelta del trattamento a volte deve tener conto implicazioni per la fertilità della donna.

Modelli di previsione esistenti discriminano tra tumori benigni e maligni, ma mancano di precisione e non sub-classificare i tumori maligni. Il modello ADNEX può discriminare tra benigna, borderline, stadio I invasivo, stadio II-IV invasiva, e tumori metastatici secondari.

Lo studio è stato finanziato dal governo fiammingo: Research Foundation - Flanders (FWO), Fiandre 'Agenzia per l'Innovazione per la scienza e la tecnologia (IWT), iMinds e l'Istituto Nazionale per la Ricerca Sanitaria (NIHR) Centro di Ricerca Biomedica Imperiale.

(0)
(0)

Commenti - 0

Non ci sono commenti

Aggiungi un commento

smile smile smile smile smile smile smile smile
smile smile smile smile smile smile smile smile
smile smile smile smile smile smile smile smile
smile smile smile smile
Caratteri rimanenti: 3000
captcha