Användning av riskalgoritmer för ovarialcancer skulle kunna förbättra möjligheterna till tidig diagnos av sjukdomen i primärvården, enligt en studie publicerad i BMJ.
Eftersom ovarialcancer har så diffusa tidiga symtom diagnostiseras de flesta kvinnor när cancern är i stadium tre eller fyra, där överlevnaden är mycket dålig. Det vore därför av stor vikt att försöka förbättra diagnostiken av ovarialcancer redan i primärvården.

I en engelsk registerstudie granskades runt 1,1 miljon kvinnor i åldern mellan 30 och 84 år som besökt brittiska vårdcentraler någon gång mellan åren 2000 och 2010. Kvinnorna följdes upp i två år med avseende på huruvida de utvecklat ovarialcancer eller inte. 976 sådana cancerfall registrerades under uppföljningen.
Genom att titta på besöksorsaker bland de kvinnor som senare fått cancer och jämföra dessa med orsakerna bland kvinnor som också sökt vård men inte fått ovarialcancer kunde ett antal varningssymtom identifieras.

Viktiga varningssymtom var anemi (dubbelt så hög risk), buksmärta (sju gånger så hög risk), svullen buk (23 gånger så hög risk), rektal blödning (dubbelt så hög risk), postmenopausal blödning (sju gånger så hög risk), aptitförlust (fem gånger så hög risk) och viktnedgång (dubbelt så hög risk). Högre ålder och hereditet för ovarialcancer var också riskfaktorer.
Författarna kombinerade sedan dessa riskskattningar i en algoritm som testades i ett nytt dataset. Algoritmen kunde då förklara 58 procent av variationen i cancerutfall, vilket är en betydande andel. Bland de 10 procent av kvinnor som algoritmen klassade som högriskgrupp ingick 63 procent av alla dem med ovarialcancer diagnostiserad under de närmast följande två åren.

Sammanfattningsvis hade algoritmen god diskrimineringsförmåga och kan användas för att identifiera vilka kvinnor som har störst behov av snabb och omfattande utredning för ovarialcancer. Algoritmen behöver dock först testas i en klinisk studie innan bättre dia­gnostik och/eller överlevnad kan beläggas i det verkliga livet.