Sviluppo di un modello di fusione di biomarcatori US-MRI per l'endometriosi (DEFEND)

Nel Regno Unito (Regno Unito), l'endometriosi è una delle malattie ginecologiche più comuni che necessitano di trattamento. La prevalenza della malattia è spesso sottovalutata, tuttavia si ritiene che colpisca almeno 1 donna su 10 nel Regno Unito. All'interno del NHS, l'endometriosi costa all'economia del Regno Unito circa 8,2 miliardi di sterline all'anno in cure, perdita di lavoro e costi sanitari.

Attualmente, la prima raccomandazione diagnostica per l'endometriosi è un'ecografia (US) o una risonanza magnetica, seguita da un intervento chirurgico diagnostico chiamato laparoscopia. Le diagnosi accurate sono solitamente limitate ai centri specialistici terziari, quindi una diagnosi ritardata è un problema significativo per le donne con endometriosi. L'esperienza limitata nell'area della malattia può anche portare a diagnosi errate e l'ultimo rapporto del National Institute of Clinical Excellence (NICE) riporta un ritardo di circa 7,5 anni prima di una diagnosi confermata di endometriosi. Un modello in grado di prevedere con precisione i risultati chirurgici dell'endometriosi sarebbe di notevole beneficio clinico ed economico.

Lo scopo principale di questo studio è curare un database di pazienti con diversi livelli di endometriosi. Questo database conterrà immagini RM e US completamente anonime insieme a dati clinici per un ulteriore utilizzo nella ricerca. Non ci saranno interventi al di fuori dello standard di cura. I dati clinici e statunitensi saranno raccolti durante le visite di routine e ai pazienti verrà offerta una visita aggiuntiva per sottoporsi a una risonanza magnetica. L'obiettivo finale è quindi utilizzare questi dati per sviluppare uno strumento diagnostico ampiamente disponibile basato su modalità di imaging MRI e US utilizzando la modellazione computerizzata. La convalida del modello predittivo con risultati chirurgici aumenterà la fiducia e l'accesso all'imaging avanzato per i non esperti, consentendo ai medici di prevedere con precisione i risultati chirurgici e di ridurre i tempi per la diagnosi.