MOCRA: Un sistema de soporte de decisiones clínicas multialgorítmico para la detección temprana del cáncer de ovario

Área de la Ciencia:

• Oncología Ginecológica
• Informática Médica
• Precisión Diagnóstica

Sus antecedentes:

• La clasificación de las masas anexiales es un desafío debido a las presentaciones heterogéneas y las herramientas de diagnóstico fragmentadas.
• Los algoritmos existentes (NICE NG12, HSE, IOTA, O-RADS, RMI2, ROMA) evalúan diferentes aspectos del riesgo pero carecen de una salida integrada.
• MOCRA (Evaluación Multivariante del Riesgo de Cáncer de Ovario) se desarrolló para unificar estas herramientas para la estratificación del riesgo.

Objetivo del estudio:

• Desarrollar y evaluar MOCRA, un sistema de soporte de decisiones clínicas (CDSS) que integra múltiples algoritmos validados para la evaluación del riesgo de masas anexiales.
• Armonizar las herramientas de diagnóstico existentes en un sistema de estratificación de riesgos unificado y clínicamente útil.

Principales métodos:

• Estudio retrospectivo de precisión diagnóstica en un solo centro de 68 pacientes con masas anexiales.
• MOCRA codificó seis algoritmos y combinó las salidas mediante reglas de precedencia para una clasificación de riesgo de cuatro niveles.
• Se evaluó el rendimiento frente a la histopatología o un seguimiento de ≥6 meses; se evaluó la fiabilidad y la usabilidad.

Principales resultados:

• MOCRA logró una precisión del 97,1%, una sensibilidad del 100,0%, una especificidad del 96,7% y un AUC de 0,984 en el diagnóstico de masas anexiales.
• No se encontraron malignidades en la categoría de bajo riesgo de MOCRA, lo que demuestra un valor predictivo negativo efectivo.
• Los médicos informaron una alta usabilidad (puntuación PSSUQ de 4,6/5), apreciando los niveles de riesgo claros y la comparación de algoritmos lado a lado.

Conclusiones:

• MOCRA muestra un rendimiento diagnóstico y una usabilidad prometedores para la evaluación del riesgo de cáncer de ovario.
• La integración de múltiples algoritmos en un sistema determinista puede mejorar la coherencia y reducir los casos de alto riesgo omitidos.
• Se necesitan más estudios multicéntricos y prospectivos para validar la generalización y el impacto clínico debido a la naturaleza piloto y el pequeño tamaño de la muestra.