Indice dei contenuti
- Punti chiave
- Perché questa ricerca è importante
- Comprendere i modelli ecografici
- Come è stata condotta la ricerca
- Risultati principali: quanto è accurato ciascun modello?
- Risultati per sottogruppi: menopausa e prevalenza del carcinoma contano
- Cosa significa per le pazienti
- Limiti dello studio
- Raccomandazioni per le pazienti
- Domande frequenti
- Informazioni sulla fonte
Punti chiave
- In una revisione di 99 studi e 42.496 tumori ovarici, la Valutazione soggettiva ecografica da parte di esperti è stato l'unico modello con sensibilità e specificità entrambe superiori al 90%.
- Il modello ADNEX con una soglia del 20% ha mostrato una sensibilità dell'86,7% e una specificità dell'87,9%, con prestazioni simili alla valutazione esperta in questa analisi.
- L'indice di rischio di malignità ha avuto l'accuratezza più bassa, identificando solo circa il 70% dei carcinomi, eppure rimane raccomandato in diverse linee guida internazionali.
- Le donne in postmenopausa e quelle in contesti a più alta prevalenza hanno mostrato una specificità inferiore, il che significa più risultati falsi positivi; la sensibilità era inferiore nelle donne in premenopausa.
- Questi modelli ecografici guidano l'invio pre-chirurgico e la pianificazione del trattamento; la diagnosi definitiva richiede l'esame del tessuto dopo l'intervento chirurgico o la biopsia.
Perché questa ricerca è importante
I tumori ovarici sono un riscontro comune nelle donne di tutte le età. Ogni anno, circa 1 donna su 1.500-1.700 viene sottoposta a intervento chirurgico per un tumore ovarico. Eppure solo una piccola minoranza di questi tumori, tra il 10% e il 17%, risulta essere maligna (cancerosa). Ciò significa che la stragrande maggioranza delle donne che si sottopongono a intervento chirurgico per masse ovariche presenta escrescenze benigne (non cancerose).
La sfida per i medici è capire prima dell'intervento chirurgico quali tumori sono pericolosi e quali sono innocui. Questa distinzione è fondamentale perché il percorso terapeutico dipende interamente dalla natura del tumore. Le donne con carcinoma ovarico devono essere indirizzate a centri oncologici specializzati, dove un oncologo ginecologo può eseguire la stadiazione chirurgica. Al contrario, le donne con tumori benigni possono spesso essere trattate in un ospedale generale, talvolta con chirurgia mininvasiva o persino con una gestione conservativa. Evitare una chirurgia radicale non necessaria riduce le complicanze, accorcia i tempi di recupero e minimizza l'impatto sulle normali attività della donna.
Per supportare queste decisioni, i medici utilizzano vari modelli basati sugli ultrasuoni che valutano le caratteristiche di un tumore ovarico come osservato in un'ecografia. Questa metanalisi, uno "studio di studi", ha valutato i modelli più utilizzati per fornire prove aggiornate e definitive su quali approcci funzionino meglio.
Comprendere i modelli ecografici
Lo studio ha valutato cinque approcci principali, ciascuno con il proprio metodo di valutazione dei tumori ovarici:
- Valutazione soggettiva (SA): Un ecografista esperto osserva le immagini e utilizza il proprio giudizio specialistico per determinare se un tumore appare benigno o maligno. Ciò si basa su una competenza chiamata "riconoscimento dell'immagine" che richiede una formazione significativa e l'esposizione a molti casi.
- Indice di rischio di malignità (RMI) versioni 1, 2 e 3: Questo modello combina le caratteristiche ecografiche con lo stato menopausale della donna e un esame del sangue per l'antigene tumorale 125 (CA-125). Sono state sviluppate tre diverse versioni (RMI1, RMI2, RMI3), che utilizzano tipicamente punteggi di cut-off di 200 o 250. Questa è stata la strategia preferita nei Paesi Bassi fino al 2021 e rimane raccomandata in diverse linee guida internazionali.
- Modello di regressione logistica 2 (LR2): Sviluppato dal gruppo International Ovarian Tumor Analysis (IOTA), LR2 utilizza una formula matematica che incorpora variabili cliniche ed ecografiche per calcolare la probabilità di malignità di una paziente. Questo studio ha esaminato il cut-off di probabilità del 10% comunemente utilizzato (LR2-10%).
- Regole semplici IOTA (SR): Anch'esse del gruppo IOTA, le SR utilizzano cinque caratteristiche ecografiche che suggeriscono malignità e cinque che suggeriscono benignità. I tumori sono classificati come benigni, maligni o "inconcludenti". Quando i risultati sono inconcludenti, si utilizzano due approcci: considerare tutti i casi inconcludenti come maligni (SR+Mal) o inviare i casi inconcludenti a una revisione specialistica (SR+SA).
- Modello ADNEX: Questo modello IOTA calcola la probabilità che un tumore ovarico sia benigno o maligno e può persino distinguere tra diversi tipi di tumori. Può essere utilizzato con o senza un esame del sangue CA-125, con vari cut-off di probabilità (5%, 10%, 20%, 30% e 40%) utilizzati nella pratica clinica.
Lo studio ha escluso alcuni altri modelli validati, come la Valutazione del rischio con il modello Simple Rules Risk (SRRisk), l'Algoritmo ROMA e i sistemi di punteggio di Ferrazzi et al., Lerner et al. e Sassone et al., per mantenere un ambito chiaro e mirato sugli approcci più comunemente utilizzati e implementati nella pratica clinica.
Come è stata condotta la ricerca
I ricercatori hanno seguito rigorose linee guida per le revisioni sistematiche (PRISMA) e hanno registrato il loro protocollo in anticipo su PROSPERO (numero di registrazione CRD42022282438), il registro internazionale per le revisioni sistematiche.
Il gruppo di ricerca ha interrogato tre importanti database medici — Ovid/MEDLINE, EMBASE e la Cochrane Library — dall'inizio di ciascun database fino al 19 giugno 2025. Ha inoltre cercato manualmente negli elenchi bibliografici di altre revisioni sistematiche e linee guida. La ricerca ha inizialmente identificato 3.310 articoli potenzialmente eleggibili: 1.451 da MEDLINE, 1.629 da EMBASE, 230 da Cochrane e 27 dalla revisione manuale dei riferimenti.
Dopo aver rimosso i duplicati, sono rimasti 2.750 articoli. Due revisori hanno esaminato in modo indipendente questi record, portando alla valutazione dell'eleggibilità di 431 articoli full-text. Alla fine, 99 studi hanno soddisfatto i rigorosi criteri di inclusione e sono stati inclusi nell'analisi.
Per essere eleggibili, gli studi dovevano valutare almeno uno dei modelli preselezionati, raccogliere i parametri del modello in modo prospettico (ovvero i dati ecografici venivano raccolti al momento della scansione, come accadrebbe nella pratica clinica reale) e fornire dati sufficienti per costruire una tabella 2×2 dei risultati del test. Gli studi che applicavano i modelli retrospettivamente a immagini o video archiviati sono stati esclusi perché ciò non riflette la pratica clinica del mondo reale, dove i modelli guidano le decisioni terapeutiche effettive.
In totale, i 99 studi inclusi hanno descritto 42.496 tumori ovarici, di cui 31.371 (74%) erano benigni e 11.125 (26%) erano maligni. La maggior parte degli studi (77%) aveva un disegno prospettico e il 71% è stato condotto in un unico centro. La maggioranza (71%) si è svolta in centri oncologici, mentre il 22% in contesti misti, il 4% in centri non oncologici e il 3% in contesti non chiari. La prevalenza di malignità tra gli studi variava ampiamente, dal 3,0% al 63,9%.
Il numero di studi che valutavano ciascun modello era considerevole:
- RMI versione 1: 32 studi
- RMI versione 2: 18 studi
- RMI versione 3: 10 studi
- LR2: 16 studi
- Regole semplici: 32 studi (28 con la strategia SR+Mal e 18 con la strategia SR+SA)
- Modello ADNEX: 22 studi
- Valutazione soggettiva: 27 studi
Per la valutazione della qualità, i ricercatori hanno utilizzato lo strumento QUADAS-2 e la sua estensione QUADAS-C per gli studi che confrontavano più modelli. Due revisori hanno valutato in modo indipendente il rischio di bias di ogni studio in quattro aree chiave: selezione dei pazienti, test indice, standard di riferimento e flusso e tempistica. I risultati hanno mostrato che il 52% degli studi presentava un basso rischio di bias nella selezione dei pazienti, l'82% nel test indice, il 94% nello standard di riferimento e il 53% nel flusso e nella tempistica. Tuttavia, solo il 41% degli studi ha dichiarato esplicitamente che i pazienti erano stati arruolati in modo consecutivo e nel 45% degli studi vi erano preoccupazioni riguardo a esclusioni inappropriate di pazienti.
L'analisi statistica ha incluso il calcolo della sensibilità e della specificità aggregate per ciascun modello, l'adattamento di modelli bivariati per generare curve summary receiver-operating-characteristic e la conduzione di una meta-regressione per determinare differenze statisticamente significative tra i modelli. I ricercatori hanno inoltre utilizzato funnel plot e il test di regressione di Egger per valutare il bias di pubblicazione, che è risultato presente (P<0,001), il che significa che gli studi più piccoli tendevano a riportare un'accuratezza maggiore rispetto a quelli più grandi.
Risultati principali: quanto è accurato ciascun modello?
La misura più importante di un test diagnostico si riduce a due numeri: sensibilità (quanto è bravo il test a individuare il cancro quando è realmente presente — un'alta sensibilità significa che pochi tumori non vengono rilevati) e specificità (quanto è bravo il test a identificare correttamente i tumori benigni — un'alta specificità significa meno falsi allarmi e interventi chirurgici non necessari).
Ecco come si è comportato ciascun modello nell'analisi primaria, basata su 96 studi in cui i tumori borderline erano classificati come maligni:
Valutazione soggettiva (SA) — Il gold standard
La valutazione soggettiva da parte di esaminatori esperti è stato l'unico modello in cui sia la sensibilità sia la specificità hanno superato il 90%. Ha raggiunto una sensibilità del 90,2% (IC al 95%, 87,8–92,2%) e una specificità del 91,4% (IC al 95%, 89,3–93,2%). Ciò significa che tra le donne con carcinoma ovarico, circa 90 su 100 sono state identificate correttamente da ecografisti esperti e, tra le donne con tumori benigni, circa 91 su 100 sono state correttamente identificate come benigne.
Regole semplici più revisione esperta (SR+SA)
La strategia di applicare prima le regole semplici e poi far esaminare i casi inconcludenti da un esperto ha dimostrato prestazioni quasi identiche alla sola valutazione soggettiva. La sua sensibilità era dell'88,6% (IC al 95%, 85,7–91,0%) e la specificità era del 91,0% (IC al 95%, 89,0–92,7%). Queste differenze non erano statisticamente significative (P=0,397 per la sensibilità, P=0,811 per la specificità).
Modello ADNEX
Le prestazioni del modello ADNEX dipendevano fortemente dal valore di cut-off scelto. Al cut-off del 10%, ADNEX aveva una sensibilità del 92,7% (IC al 95%, 90,8–94,2%) — statisticamente simile alla valutazione soggettiva (P=0,130) — ma una specificità inferiore del 78,4% (IC al 95%, 71,7–83,8%), una differenza altamente significativa (P<0,001).
Al cut-off del 20%, ADNEX ha mostrato un profilo più equilibrato: sensibilità dell'86,7% (IC al 95%, 80,6–91,0%) e specificità dell'87,9% (IC al 95%, 80,1–92,9%). Nessuna delle due differiva significativamente dalla valutazione soggettiva (P=0,095 per la sensibilità, P=0,119 per la specificità).
Lo studio ha confermato un andamento prevedibile: cut-off più alti diminuivano la sensibilità (più tumori non rilevati), mentre cut-off più bassi riducevano la specificità (più tumori benigni segnalati come potenzialmente maligni).
Modello LR2
Con una soglia del 10%, il modello LR2 ha raggiunto una sensibilità dell'89,5% (IC al 95%, 85,8–92,4%) e una specificità dell'82,3% (IC al 95%, 75,0–87,8%). Questo colloca la sua sensibilità vicino a quella della valutazione esperta, sebbene con una specificità leggermente inferiore.
RMI — Il modello con le prestazioni più basse
L'indice di rischio di malignità (RMI) ha mostrato l'accuratezza diagnostica più bassa tra tutti i modelli valutati. La versione 1 dell'RMI con una soglia di 200 ha raggiunto solo una sensibilità del 69,7% (IC al 95%, 67,0–72,2%), il che significa che ha mancato circa 3 carcinomi ovarici su 10. La sua specificità è stata del 90,5% (IC al 95%, 88,3–92,4%). Limitazioni simili sono state osservate in tutte e tre le versioni dell'RMI.
Risultati dei sottogruppi: menopausa e prevalenza del cancro contano
I ricercatori hanno eseguito analisi per sottogruppi per esplorare se lo stato menopausale della donna o il tasso di cancro sottostante nella popolazione dello studio influenzassero le prestazioni di questi modelli. I risultati sono stati sorprendenti: sia lo stato menopausale sia la prevalenza di malignità hanno influenzato significativamente sia la sensibilità sia la specificità (P<0,01 per entrambe le misure).
Nello specifico, essere in postmenopausa e trovarsi in una popolazione con maggiore prevalenza di cancro erano entrambi associati a una minore specificità, ovvero a più risultati falsi positivi. Nel frattempo, la sensibilità era inferiore nelle donne in premenopausa.
Questa è un'importante intuizione clinica. Le donne in postmenopausa con masse ovariche hanno un rischio basale di cancro più elevato, eppure i modelli tendevano a produrre più falsi allarmi in questo gruppo. Allo stesso modo, in contesti in cui molti pazienti hanno il cancro (come i centri oncologici di riferimento specializzati), i modelli erano più propensi a classificare tumori benigni come sospetti.
Cosa significa per le pazienti
Le conclusioni dello studio offrono notizie rassicuranti per le donne che affrontano la valutazione di un tumore ovarico. Tutti gli approcci studiati, con la notevole eccezione dell'RMI, hanno funzionato bene e possono essere utilizzati per distinguere tra tumori benigni e maligni.
Tuttavia, ci sono importanti compromessi da comprendere:
- La valutazione esperta rimane l'approccio singolo più accurato. La valutazione soggettiva ha raggiunto il miglior equilibrio tra sensibilità e specificità. Il suo principale limite, tuttavia, è che richiede un ecografista altamente qualificato, tipicamente con competenza di Livello 3 EFSUMB. In 16 dei 27 studi che valutavano la valutazione soggettiva, tutte le scansioni sono state eseguite da esaminatori esperti.
- Se si preferisce una strategia indipendente dall'operatore, il modello ADNEX è la scelta raccomandata. Grazie alla sua elevata sensibilità, la probabilità di non rilevare una malignità con il modello ADNEX è bassa, una considerazione cruciale per la sicurezza.
- Nelle donne in postmenopausa, potrebbe essere giustificata una soglia ADNEX più alta. Poiché la specificità è ridotta in questo gruppo, gli autori dello studio affermano che potrebbe valere la pena considerare una soglia più alta, a seconda di come viene ponderato l'impatto di un risultato falso positivo; tuttavia, soglie ADNEX più alte riducono la sensibilità (più tumori non rilevati) e pochi studi hanno testato soglie più alte.
Le prestazioni relativamente scarse dell'RMI sono particolarmente degne di nota dato che rimane raccomandato in diverse linee guida internazionali. Per le donne che in precedenza potrebbero essere state valutate utilizzando l'RMI, i risultati di questo studio suggeriscono fortemente che modelli più recenti come ADNEX o l'invio a un ecografista esperto forniscono una migliore accuratezza diagnostica.
Limiti dello studio
Sebbene questa metanalisi sia completa, è necessario riconoscere diversi limiti:
- Bias di pubblicazione: I test statistici hanno rivelato una significativa asimmetria del funnel plot (P<0,001), suggerendo che gli studi più piccoli con risultati favorevoli avevano maggiori probabilità di essere pubblicati. Ciò potrebbe significare che i valori di accuratezza riportati sono in qualche modo ottimistici.
- Variabilità dell'operatore: Il livello di competenza degli ecografisti variava tra gli studi sulla valutazione soggettiva e alcuni studi non specificavano il livello di esperienza dei loro esaminatori. Ciò rende difficile generalizzare gli eccellenti risultati della valutazione soggettiva a tutti i contesti clinici.
- Requisito di dati prospettici: Gli studi che applicavano i modelli retrospettivamente a immagini archiviate sono stati esclusi per riflettere la pratica del mondo reale. Tuttavia, questo criterio rigoroso potrebbe aver escluso alcuni dati potenzialmente informativi.
- Eterogeneità tra gli studi: Gli studi variavano per contesti sanitari, popolazioni di pazienti, tecniche ecografiche e definizioni di tumori borderline. Cinque studi hanno classificato i tumori borderline come benigni o li hanno esclusi del tutto.
- Versioni ADNEX combinate: Entrambe le versioni del modello ADNEX (con e senza CA-125) sono state trattate come un'unica strategia, poiché ricerche precedenti suggeriscono che l'aggiunta del CA-125 non alteri in modo significativo l'accuratezza diagnostica.
- Contesti orientati verso centri oncologici: Con il 71% degli studi condotti in centri oncologici, i risultati potrebbero non riflettere appieno le prestazioni negli ospedali generali o nei contesti di assistenza primaria, dove la prevalenza del cancro è inferiore.
Raccomandazioni per i pazienti
Se Lei si trova ad affrontare la valutazione di un tumore ovarico, ecco i punti chiave di questa ricerca che potrebbe voler discutere con il Suo medico:
- Chieda quale modello ecografico viene utilizzato. Se il Suo ospedale utilizza l'indice di rischio di malignità (RMI) come strumento principale, potrebbe chiedere se sono disponibili modelli IOTA più recenti come ADNEX, poiché questo studio ha rilevato che l'RMI è l'approccio meno accurato.
- Richieda, se possibile, un ecografista esperto. La valutazione soggettiva da parte di un ecografista esperto rimane il metodo più accurato. Se il Suo ospedale ha accesso a un reparto di ecografia specialistica, potrebbe valere la pena di avvalersene.
- Comprenda il significato dei Suoi risultati. Un reperto "sospetto" non significa necessariamente che Lei abbia un cancro: la specificità di questi modelli implica che alcuni tumori benigni verranno segnalati come potenzialmente maligni. Al contrario, un risultato "benigno" è generalmente rassicurante, sebbene nessun test sia perfetto.
- Discuta il Suo stato menopausale. Questo studio ha rilevato che lo stato menopausale influisce significativamente sulle prestazioni del test. Le donne in postmenopausa possono avere valori soglia differenti (e probabilmente più appropriati), in particolare con il modello ADNEX.
- Ricordi che si tratta di pianificazione pre-chirurgica. Questi modelli ecografici aiutano a guidare le decisioni di invio e trattamento. La diagnosi definitiva viene infine formulata attraverso l'esame istologico (esame del tessuto al microscopio dopo l'intervento chirurgico o la biopsia).
In conclusione: questa ampia analisi, condotta con attenzione, fornisce solide evidenze che i moderni modelli basati sull'ecografia — in particolare il modello ADNEX e la valutazione soggettiva esperta — sono strumenti affidabili per distinguere i tumori ovarici benigni da quelli maligni. I giorni in cui si faceva affidamento principalmente sull'RMI potrebbero essere contati, e i pazienti possono sentirsi più fiduciosi che i progressi nella tecnologia ecografica stiano aiutando i medici a prendere decisioni terapeutiche più accurate e personalizzate.
Domande frequenti
Quanto sono accurati i modelli ecografici nel distinguere se un tumore ovarico è benigno o maligno?
In una revisione di 99 studi che hanno coinvolto 42.496 tumori ovarici, la valutazione soggettiva esperta è stato l'unico approccio in cui sia la sensibilità sia la specificità hanno superato il 90%. Il modello ADNEX con una soglia del 20% ha mostrato una sensibilità dell'86,7% e una specificità dell'87,9%. L'indice di rischio di malignità (RMI) ha avuto l'accuratezza più bassa, identificando solo circa il 70% dei tumori maligni.
Cosa significa se il mio risultato ecografico viene definito "sospetto"?
Un reperto sospetto non significa necessariamente che Lei abbia un cancro. I modelli studiati hanno specificità inferiori al 100%, quindi alcuni tumori benigni vengono segnalati come potenzialmente maligni. Ad esempio, ADNEX con una soglia del 10% ha avuto una specificità del 78,4%, il che significa che circa 22 tumori benigni su 100 sono stati erroneamente segnalati. La diagnosi definitiva deriva dall'esame del tessuto dopo l'intervento chirurgico o la biopsia.
Cosa succede dopo che il mio tumore ovarico è stato valutato con un modello ecografico?
Questi modelli aiutano a guidare l'invio e la pianificazione del trattamento prima dell'intervento chirurgico. Se si sospetta un cancro, Lei potrebbe essere indirizzato a un centro oncologico specializzato dove un oncologo ginecologico può eseguire la stadiazione chirurgica. Se il tumore appare benigno, il trattamento potrebbe essere possibile in un ospedale generale, talvolta con chirurgia mini-invasiva o gestione conservativa. La diagnosi definitiva viene formulata esaminando il tessuto dopo l'intervento chirurgico o la biopsia.
Dovrei chiedere al mio medico quale modello ecografico viene utilizzato per il mio tumore ovarico?
Sì, è ragionevole chiederlo. Questa revisione ha rilevato che l'indice di rischio di malignità (RMI) ha avuto l'accuratezza più bassa, non rilevando circa 3 tumori maligni su 10, eppure rimane raccomandato in diverse linee guida. Lei potrebbe chiedere se nel Suo ospedale sono disponibili modelli IOTA più recenti come ADNEX, poiché questi hanno mostrato migliori prestazioni diagnostiche negli studi analizzati.
Se il mio ospedale utilizza l'indice di rischio di malignità (RMI) per valutare il mio tumore ovarico, quando dovrei richiedere un secondo parere?
L'indice di rischio di malignità (RMI) ha identificato correttamente solo circa il 70% dei carcinomi ovarici, mancandone circa 3 su 10, mentre i modelli IOTA più recenti come il modello ADNEX e la Valutazione soggettiva da parte di esperti hanno ottenuto risultati migliori. Se il suo ospedale si affida all'RMI come strumento principale, un secondo parere può verificare se sono disponibili il modello ADNEX o un ecografista esperto, e se il suo stato menopausale giustifichi un valore soglia diverso. La diagnosi definitiva deriva comunque dall'esame del tessuto. Diagnostic Detectives Network fornisce secondi pareri indipendenti da parte di esperti.
Fonte delle informazioni
Original article: "Diagnostic accuracy of ultrasound models for assessment of ovarian tumors: systematic review and meta-analysis" by E. Lems, A. H. Koch, E. J. L. G. Delvaux, J. C. Leemans, M. Y. Bongers, C. A. R. Lok, B. L. Ramaekers, and P. M. A. J. Geomini.
Journal: Ultrasound in Obstetrics & Gynecology, 2026; volume 67, pages 590–603. Published online December 5, 2025, in Wiley Online Library. DOI: 10.1002/uog.70135.
Funding: This is an open-access article distributed under the terms of the Creative Commons Attribution License.
Questo articolo divulgativo si basa su una ricerca sottoposta a revisione paritaria. Lo studio è stato accettato per la pubblicazione il 24 settembre 2025 e il suo protocollo è stato registrato in PROSPERO (CRD42022282438) nel dicembre 2022. I lettori che desiderano consultare tutti i dettagli tecnici, comprese tutte le tabelle e le figure supplementari, sono invitati a consultare la pubblicazione originale.