使用ESGO/ESTRO/ESP 2021指南对子宫内膜癌的术前风险分层:准确性与或没有分子分类

科学领域:

• 在瘤学瘤学.
• 基因组学就是基因组学.
• 医疗成像医学成像

背景情况:

• 子宫内膜癌风险分层依赖于手术前阶段.
• 目前的方法可能无法完全捕捉个体患者的风险概况.

研究的目的:

• 评估分子分类整合对子宫内膜癌术前风险分层的影响.
• 为了比较风险预测准确度,有和没有分子数据.

主要方法:

• 对143名子宫内膜癌患者的回顾性分析.
• 术前分期 (成像与成像+分子数据) 与最终结果的比较.
• 统计分析使用加权的科恩的卡帕和启动信任区间.

主要成果:

• 分子分类显著提高了风险分层的准确性,从59.4%提高到73.4%.
• 术前和术后风险评估之间的一致性有所改善 (卡帕从0.551升至0.767).
• 没有分子数据的术前评估往往低估了风险.

结论:

• 整合分子分类可以提高子宫内膜癌前手术风险分层的准确性.
• 这种方法有可能个性化手术治疗策略.
• 建议进行进一步的前性研究以验证.