Integrazione di marcatori infiammatori e caratteristiche ecografiche per migliorare la diagnosi preoperatoria in pazienti ad alto rischio di tumori mesenchimali uterini: studio IMPRINT.

Abstract

Background: La diagnosi preoperatoria dei sarcomi uterini rimane una sfida clinica critica a causa della sovrapposizione morfologica con i leiomiomi benigni. L'ecografia è il cardine della valutazione iniziale, ma la sua accuratezza dipende dall'operatore. I marcatori infiammatori sistemici (SIMs) riflettono il microambiente tumorale e potrebbero offrire un segnale biologico complementare. Obiettivo: Sviluppare e validare il modello IMPRINT, integrando caratteristiche ecografiche standardizzate e SIMs per discriminare le lesioni miometriali benigne da quelle maligne e dagli STUMP. Metodi: Studio retrospettivo monocentrico su 204 pazienti (100 benigne, 104 maligne/STUMP). Sono stati sviluppati due modelli di regressione logistica: il modello "Core" (basato su menopausa e caratteristiche ecografiche) e il modello "Extended" (che integra PIV, NLR e MLR). Le performance sono state valutate tramite AUC, curve di calibrazione e Decision Curve Analysis (DCA). È stata effettuata una validazione esterna dell'algoritmo MYLUNAR sulla stessa coorte. Risultati: Il modello Core ha ottenuto un'AUC di 0.840. Il modello Extended, integrando il Pan-Immune-Inflammation Value (PIV) come marcatore dominante, ha raggiunto un'AUC di 0.864 con una calibrazione superiore (Brier score 0.150 vs 0.163). Nelle analisi di sensibilità, l'esclusione degli STUMP ha elevato l'AUC del modello Extended a 0.906. Nel confronto diretto, il modello Extended ha superato l'algoritmo MYLUNAR (AUC 0.819). Conclusioni: L'integrazione del profilo immuno-infiammatorio (in particolare il PIV) con l'ecografia migliora la stratificazione del rischio preoperatorio. Sebbene il guadagno in discriminazione globale sia modesto, il modello IMPRINT offre stime di rischio più precise (migliore calibrazione) e maggiore robustezza nei sottogruppi ad alto rischio, supportando un triage chirurgico più personalizzato.

Background: Preoperative diagnosis of uterine sarcomas remains a critical challenge due to morphological overlap with benign leiomyomas. Ultrasound is the cornerstone of initial assessment, but its accuracy is operator-dependent. Systemic inflammatory markers (SIMs) reflect the tumor microenvironment and may offer a complementary biological signal. Objective: To develop and validate the IMPRINT model, integrating standardized ultrasound features and SIMs to discriminate benign myometrial lesions from malignancies and STUMPs. Methods: Retrospective single-center study on 204 patients (100 benign, 104 malignant/STUMP). Two logistic regression models were developed: the "Core" model (based on menopause and ultrasound features) and the "Extended" model (integrating PIV, NLR, and MLR). Performance was assessed via AUC, calibration plots, and Decision Curve Analysis (DCA). The MYLUNAR algorithm was externally validated on the same cohort. Results: The Core model achieved an AUC of 0.840. The Extended model, incorporating the Pan-Immune-Inflammation Value (PIV) as the dominant marker, reached an AUC of 0.864 with superior calibration (Brier score 0.150 vs 0.163). In sensitivity analyses, excluding STUMPs increased the Extended model’s AUC to 0.906. In direct comparison, the Extended model outperformed the MYLUNAR algorithm (AUC 0.819). Conclusions: Integrating the immuno-inflammatory profile (particularly PIV) with ultrasound improves preoperative risk stratification. While the gain in overall discrimination is modest, the IMPRINT model offers more precise risk estimates (better calibration) and greater robustness in high-risk subgroups, supporting more personalized surgical triage.