La ecografía ayuda a predecir el cáncer de ovario

Archivo - Ovarios. Sistema reproductor femenino.
Archivo - Ovarios. Sistema reproductor femenino. - ISTOCK. - Archivo
Publicado: lunes, 28 marzo 2022 7:38

   MADRID, 28 Mar. (EUROPA PRESS) -

   El aspecto de las lesiones ováricas en la ecografía es un eficaz predictor del riesgo de cáncer que puede ayudar a las mujeres a evitar una cirugía innecesaria, según un nuevo estudio publicado en la revista 'Radiology'.

   El cáncer de ovario es el más mortífero de los cánceres ginecológicos. La caracterización de las lesiones anexiales, o bultos cerca del útero, en el examen ecográfico es crucial para el tratamiento adecuado de las pacientes, ya que algunas lesiones anexiales pueden evolucionar a cáncer, mientras que muchas otras son benignas y no requieren tratamiento.

   "Basándonos en las características que vemos en la ecografía, tratamos de evaluar si un hallazgo necesita más trabajo y hacia dónde debe dirigirse la paciente", explica el autor principal del estudio, el doctor Akshya Gupta, del Centro Médico de la Universidad de Rochester (Estados Unidos).

   Los sistemas actuales de estratificación del riesgo funcionan bien, pero sus múltiples subcategorías y su enfoque multifacético pueden dificultar el dominio por parte de los radiólogos en prácticas clínicas ocupadas.

   En el nuevo estudio, el doctor Gupta y sus colegas evaluaron un método que utiliza imágenes de ultrasonido para clasificar las lesiones anexiales en una de dos categorías: clásicas o no clásicas.

   Las lesiones clásicas son las que se detectan habitualmente, como los quistes llenos de líquido que conllevan un riesgo muy bajo de malignidad. Las lesiones no clásicas incluyen lesiones con un componente sólido y flujo sanguíneo detectado en la ecografía Doppler. Un enfoque clásico frente a uno no clásico de estas lesiones podría ayudar a los radiólogos en una práctica clínica ocupada a evaluar más rápidamente una lesión.

   Los investigadores analizaron 970 lesiones anexiales aisladas en 878 mujeres, con una edad media de 42 años, con un riesgo medio de padecer cáncer de ovario, lo que significa que no tenían antecedentes familiares ni marcadores genéticos relacionados con la enfermedad.

   De las 970 lesiones, 53 (6%) eran malignas. El enfoque de categorización basado en la ecografía clásica frente a la no clásica alcanzó una sensibilidad del 92,5% y una especificidad del 73,1% para el diagnóstico de malignidad en el cáncer de ovario.

   La frecuencia de malignidad fue inferior al 1% en las lesiones con características ecográficas clásicas. En cambio, las lesiones que tenían un componente sólido con flujo sanguíneo presentaban una frecuencia de malignidad del 32% en el grupo general del estudio y del 50% en las participantes del estudio que tenían más de 60 años.

   "Si se tiene algo que sigue los patrones de imagen clásicos descritos para estas lesiones, el riesgo de cáncer es realmente bajo --explica Gupta--. Si usted tiene algo que no es clásico en apariencia, entonces la presencia de componentes sólidos y particularmente la presencia de flujo sanguíneo Doppler es realmente lo que impulsa el riesgo de malignidad".

   Cuando se encuentra una lesión benigna clásica, las pacientes pueden estar tranquilas de que se trata de una lesión benigna, lo que evita la realización de extensas pruebas adicionales. Si otras investigaciones respaldan los resultados del estudio, el sistema podría acabar siendo una herramienta útil para los radiólogos que evitaría a muchas mujeres los costes, el estrés y las complicaciones de la cirugía.

   "En última instancia, esperamos que utilizando las características de la ecografía podamos clasificar qué pacientes necesitan imágenes de seguimiento con ecografía o RM y qué pacientes deben ser remitidas a cirugía", apunta.

   Aunque estos hallazgos en los exámenes de ultrasonido de diagnóstico ofrecen una valiosa información de triaje, no se ha demostrado que el ultrasonido sea beneficioso específicamente como examen de detección del cáncer de ovario, precisan los investigadores.

Leer más acerca de: