К основному содержимому
КупиУЗИ Академия
AI и CAD обновлено 26 апреля 2026 г.

IOTA-ADNEX Модель риска малигнизации яичников

9 предикторов, 5 категорий риска. Самый широко валидированный инструмент в гинекологии — встроен прямо в сканер.

Ключевой показатель
AUC ~0.94
для дифф. доброкач/злокач

Что это

ADNEX (Assessment of Different NEoplasias in the adneXa) — модель риска малигнизации образований яичников, разработанная International Ovarian Tumor Analysis (IOTA). Самая широко валидированная сегодня модель в гинекологии: подтверждена на десятках тысяч пациенток в десятках стран.

Samsung встроил ADNEX прямо в сканеры — врач получает полный риск-профиль непосредственно во время УЗИ, без перехода в внешний калькулятор.

9 предикторов

Модель использует:

  1. Возраст
  2. Уровень CA-125 (если доступен; модель работает и без него)
  3. Тип учреждения (онкоцентр или общий)
  4. Максимальный диаметр образования
  5. Долю солидной ткани в образовании
  6. Количество папиллярных проекций ≥3 шт
  7. Более 10 локулярных перегородок
  8. Акустические тени
  9. Асцит

5 категорий риска

ADNEX даёт не одну вероятность, а пять — для каждой клинически значимой группы:

  • доброкачественное
  • borderline
  • I стадия инвазивного
  • II–IV стадия инвазивного
  • метастатическое (вторичное)

Это принципиально для маршрутизации: borderline и I стадия часто требуют сохраняющих фертильность операций, II–IV — расширенной хирургии и онкологического маршрута. Простой бинарный «доброкач/злокач» этого не даёт.

Что показывают валидации

Внешняя валидация на многоцентровой когорте (Van Calster и соавт., BMJ 2020, PMID 32732303):

  • AUC для дифференциации доброкач/злокач — около 0,94
  • и с CA-125, и без него значение держится на 0,94 — онкомаркер для базовой сортировки почти ничего не добавляет

По совокупности внешних валидаций ADNEX опережает более простые схемы (RMI, GI-RADS).

Когда использовать

Согласно консенсусу ESGO/ISUOG/IOTA/ESGE 2021:

  • Любое впервые обнаруженное образование яичника, не классифицируемое уверенно по «простым правилам IOTA».
  • Перед направлением на хирургическое лечение.
  • Для решения о маршрутизации в специализированный гинекологический онкоцентр.

Что важно помнить

  • Модель работает на УЗ-критериях, поэтому требует корректной оценки морфологии по IOTA-терминологии. Без обучения — ошибки будут не в модели, а в вводе.
  • Для расчёта без CA-125 точность снижается, но остаётся приемлемой; в общих центрах часто работают именно без онкомаркера.
  • Не применима в I триместре беременности и у детей.

Связанные модули

  • S-Detect Thyroid™ — параллельная модель для щитовидной железы.
  • 5D Follicle™ — автоматический подсчёт фолликулов.
  • UterineAssist™ — автоматические измерения матки.

Полный клинический разбор — как оценить образование яичника по IOTA Simple Rules и ADNEX: когда какую систему включать, как мерить морфологию и где чаще всего ошибаются при вводе.

Источники

Что мы читали, когда собирали этот материал. Если в тексте встретилось число или cut-off — оно отсюда.

  1. Validation of models to diagnose ovarian cancer in patients managed surgically or conservatively: multicentre cohort study
    Van Calster B, Valentin L, Froyman W et al.. BMJ 2020;370:m2614, 2020. рецензируемая статья
  2. Evaluating the risk of ovarian cancer before surgery using the ADNEX model: prospective multicentre diagnostic study
    Van Calster B, Van Hoorde K, Valentin L et al.. BMJ 2014;349:g5920, 2014. рецензируемая статья
  3. ESGO/ISUOG/IOTA/ESGE Consensus Statement on preoperative diagnosis of ovarian tumours
    Timmerman D, Planchamp F, Bourne T et al.. Facts Views Vis Obgyn 2021;13(2):107-130, 2021. клинические рекомендации

Статьи с этой технологией

Применить у сканера

Калькуляторы по этой технологии — считают прямо в браузере, бесплатно.

Образовательная глубина

Как технология работает и где её клинические границы — подробно разбирают на uzi.ru: официальное представительство Samsung Medison и лидеры мнений.

Вебинар · uzi.ru Модели RMI, ADNEX и O-RADS в диагностике образований придатков Лектор: Буланов Михаил Николаевич