MOCRA:一个多算法临床决策支持系统,用于早期检测卵巢癌

科学领域:

• 妇科瘤学 妇科瘤学
• 医疗信息学 医疗信息学
• 诊断的准确性 诊断的准确性

背景情况:

• 由于异质呈现和碎片化的诊断工具,对附带质量的分离具有挑战性.
• 现有的算法 (NICE NG12,HSE,IOTA,O-RADS,RMI2,ROMA) 评估不同的风险方面,但缺乏综合的输出.
• MOCRA (多变异性卵巢癌风险评估) 是为了统一这些风险分层工具而开发的.

研究的目的:

• 开发和评估MOCRA,一个临床决策支持系统 (CDSS),集成多个经过验证的算法用于附带质量风险评估.
• 将现有的诊断工具协调为一个统一的,在临床上可行的风险分层系统.

主要方法:

• 追溯性,单中心诊断准确性研究68名附质患者.
• MOCRA编码了六个算法,并通过优先级规则将输出结合起来,以进行四级风险分类.
• 性能根据组织病理学或≥6个月的随访进行评估;可靠性和可用性进行评估.

主要成果:

• 在诊断附质中,MOCRA获得了97.1%的准确性,100.0%的灵敏度,96.7%的特异性和0.984的AUC.
• 在MOCRA低风险类别中没有发现恶性瘤,表明有效的负预测值.
• 临床医生报告了高可用性 (4.6/5 PSSUQ评分),欣赏了明确的风险级别和并排算法比较.

结论:

• MOCRA显示出有希望的诊断性能和用于卵巢癌风险评估的可用性.
• 将多个算法集成到决定性系统中可以提高一致性并减少错过的高风险案例.
• 需要进一步的多中心,前性研究来验证可通用性和临床影响,因为试点性质和样本规模小.