Casistica personale
Per sviluppare il software BIMC stiamo compilando uno dei più ampi database d'Italia con i dati clinico-anamnestici, imaging e funzionali di oltre 330 NPS solidi con diagnosi definitiva, che sfruttiamo per migliorare continuamente il nostro software e per ottenere stime predittive sempre migliori.
Dal 2002, anno di inizio della collaborazione con il GIVOP (Gruppo Interdisciplinare Veronese di Oncologia Polmonare), ad oggi, abbiamo raccolto una ricca casistica di NPS.
Casistica attuale (ultimo aggiornamento 16/05/2013)
339 NPS solidi o prevalentemente solidi (>75%)
- 195 NPS Maligni, confermati con diagnosi istologica
122 T1a
44 T1b
29 metastasi
- 144 NPS Benigni
74 confermati con diagnosi istologica
7 scomparsi durante il follow-up
60 ridotti di volume o stabili al follow up di almeno 2 anni
Validazione del BIMC
Il software del BIMC è stato sviluppato sulla base della nostra casistica, con lo scopo di valutare mediante analisi bayesiana i parametri anagrafici, anamnestici e di Imaging dei Pazienti con NPS solidi, al fine di ottenere una indicazione statistica di malignità/benignità del nodulo polmonare esaminato.
La validazione del programma è avvenuta in fasi successive di affinamento
FASE 1
Abbiamo effettuato una analisi retrospettiva della nostra casistica confrontando il valore medio di probabilità di malignità determinato dal nostro calcolatore con i risultati ottenuti con i calcolatori storici di Swensen (1998), di Gurney (2000) e il nomogramma di Cronin (2008).
Da tale confronto il calcolatore più affidabile tra quelli storici considerati, e il più affine al BIMC, è risultato essere quello di Gurney, che quindi è stato utilizzato come confronto nelle successive fasi di valutazione.
FASE 2
Allo scopo di tarare il BIMC ottimizzando il numero di casi a disposizione, abbiamo effettuato una valutazione con il sistema del “Round Robin”, che prevede la misurazione delle likelihood del calcolatore con tutti i casi disponibili eccetto uno; quest’ultimo viene successivamente valutato con il calcolatore stesso. Il processo viene ripetuto per tutti i casi, in modo da valutare più volte l’efficacia del BIMC su casi non utilizzati per la sua taratura.
Perché l'analisi Bayesiana?
L’analisi bayesiana si basa sulle teorie del reverendo Thomas Bayes (1702-1761) (Essay Towards Solving a Problem in the Doctrine of Chances. Philosophical Transactions of the Royal Society of London 1763; 53:370–418) che consentono di calcolare la probabilità di un evento, conoscendone la prevalenza a priori, per effetto del risultato (sia positivo, negativo o indeterminato, sia se espresso in modo quantitativo) di uno o più test successivi dei quali siano noti sensibilità e specificità. E’ un metodo statistico che consente l’utilizzo delle informazioni provenienti da molteplici test, ed è stato utilizzato per la prima volta per calcolare la probabilità dei NPS da Jud Gurney.
Un altro autore che ha utilizzato l’analisi bayesiana su una casistica molto numerosa di NPS è stato il cinese Wei Chen di Changsha (J Cent South Univ 34(5): 401-5, 2009).
Due ulteriori metodi pubblicati hanno usato la regressione logistica, ma consentono l’inserimento di un numero molto limitato di parametri: il “prototipo” di Swensen del 1997 e la sua evoluzione nel nomogramma di Cronin (Eur Radiol 2008; 18:1840-1856).
Dai dati che abbiamo raccolto testando i citati calcolatori già accessibili in Letteratura, l’accuratezza dei tre sistemi di calcolo con analisi bayesiana è molto superiore ai due calcolatori che impiegano la sola regressione logistica.
L’analisi bayesiana entra ufficialmente nell’iter diagnostico del NPS nelle raccomandazioni delle linee guida ACCP 2007 (Evaluation of Patients With Pulmonary Nodules: When Is It Lung Cancer? ACCP Evidence-Based Clinical Practice Guidelines (2nd Edition). Michael K. Gould et alii. CHEST 2007; 132:108S–130S):
…“In every patient with an SPN, we recommend that clinicians estimate the pretest probability of malignancy either qualitatively by using their clinical judgment or quantitatively by using a validated model. Grade of recommendation 1C”….
La stima della probabilità pretest è il primo passo dell’analisi bayesiana.Attualmente il BIMC è utilizzabile solo per la valutazione dei NPS solidi o semisolidi (>75%).