Beoordeling van ovariumcysten met behulp van machine learning (OCID)

Eierstokcysten zijn een van de meest voorkomende gynaecologische aandoeningen in de klinische praktijk. Ongeveer 20% van de vrouwen krijgt minstens één keer in hun leven cysten in de eierstokken. De incidentie van significante ovariumcysten is echter 8% in de premenopauzale periode. In feite worden veel eierstokcysten incidenteel ontdekt, terwijl beeldvorming van het bekken wordt gedaan voor andere indicaties. Interessant is dat de prevalentie van cysten in de eierstokken kan oplopen tot 14-18% bij vrouwen in de menopauze, waarvan er vele waarschijnlijk persistent zijn (2). Hoewel de meeste eierstokcysten goedaardig zijn, kan er geen definitieve diagnose worden gesteld op basis van eenmalige echografische bevindingen. Eenvoudige cysten zijn meestal goedaardig. Complexe en solide cysten zijn waarschijnlijk nog steeds goedaardig. Maligniteit komt echter vaker voor in deze groep cysten. Definitieve diagnose door histopathologie rechtvaardigt chirurgische verwijdering van de cyste/eierstok. Omdat de aandoening veel voorkomt en meestal goedaardig is, wordt een operatie niet overwogen, tenzij maligniteit redelijkerwijs zorgwekkend is of de cyste symptomatisch is.

Daarom worden de meeste eierstokcysten afwachtend beheerd. Doel van afwachtend beleid is het vaststellen van cysteveranderingen. De follow-up kan langer dan een jaar duren. De internationaal erkende richtlijnen waren echter niet consistent met de aanbevelingen en er werd rekening gehouden met verschillende cut-offs van cystegrootte en verschillende frequenties en duur van de follow-up (5, 6). Evenzo zijn er verschillende systemen die door deze richtlijnen worden overgenomen om vrouwen met cysten in de eierstokken te triage op basis van echografische en biochemische indicatoren.

Dit project heeft tot doel een voorspellingsmodel te creëren met behulp van machine learning-algoritmen dat kan worden toegepast op vrouwen met cysten in de eierstokken. Het doel van deze modus is het bepalen van de waarschijnlijkheid van kanker en het behandelplan, inclusief chirurgie, follow-up op lange of korte termijn.

Opgehaalde records worden beoordeeld op geschiktheid. Patiënten komen in aanmerking voor opname als ze postmenarchaal zijn, een gedocumenteerde follow-up hebben gedurende ten minste 1 jaar na de eerste presentatie, tenzij chirurgisch behandeld, en toestemming geven om hun medische dossiers voor onderzoeksdoeleinden te gebruiken. Ze hadden hun zorg moeten krijgen in de receptieve centra. Vrouwen worden uitgesloten van het onderzoek als ze zijn opgenomen voor een acuut voorval, waaronder torsie, ruptuur of bloeding van de cyste zonder voorafgaande documentatie van ovariumcysten. Vrouwen met cysten kleiner dan 3 cm komen niet in aanmerking.

Voor het doel van het onderzoek is een gestandaardiseerde spreadsheet voor gegevensverzameling ontworpen en deze zal worden gedeeld met alle bijdragende centra. De gegevensverzameling omvat demografische gegevens van de patiënt (bijv. leeftijd, pariteit, body mass index, etniciteit, rookstatus), gynaecologische geschiedenis (bijv. menstruele afwijkingen, anticonceptiestatus), medische geschiedenis (bijv. inclusief chronische gezondheidsproblemen en persoonlijke geschiedenis van kanker) , chirurgische geschiedenis, familiegeschiedenis van kanker inclusief alle gediagnosticeerde familiale kankersyndromen. Specifieke informatie over de huidige presentatie omvat het presenteren van symptomen, indien aanwezig, relevante fysieke tekenen, echografische kenmerken (bijv. cystegrootte, zijkant, consistentie, loculariteit, aanwezigheid van septa, vaste gebieden, papillen, intracystische vloeistoftextuur, geassocieerd bekkenvocht of ascites) , kenmerken opgemerkt in andere beeldvormingsmodaliteiten, indien van toepassing, tumormarkers (CA125, HCG, ALP, LDH,HE-4), behandelplan inclusief chirurgische bevindingen en histopathologische diagnose, follow-up inclusief follow-upbevindingen en cyste/gezwelcomplicaties tijdens follow-up -omhoog.