IOTAモデル

🧠 全体像：IOTAIOTA（International Ovarian Tumor Analysis）モデル群は、単一のスコアではなく、IOTAグループが2000年代以降に段階的に開発してきた付属器腫瘤adnexal mass 付属器腫瘤（adnexal mass）adnexal mass（付属器腫瘤） の術前超音波形態評価ツールの総称である。最初期の実務的モデルがLR2モデル（6変数 variables 変数（variables） variables（変数） のロジスティック回帰）、次に日常臨床での使用を意図したIOTA Simple Rules（10のルールで良性／悪性／判定不能indeterminate 判定不能（indeterminate）indeterminate（判定不能） の3群に分ける）、そして連続的な悪性確率に加えて腫瘍の型（良性・境界悪性borderline malignant境界悪性（borderline malignant）borderline malignant（境界悪性）・浸潤癌の病期・転移性）まで推定するADNEXモデルが続く。共通するのは、超音波所見を読影 image interpretation 読影（image interpretation） image interpretation（読影） 医の主観だけに頼らず標準化・数量化しようとする設計思想 design principle 設計思想（design principle） design principle（設計思想） である。RMI・ROMAがCA-125（とHE4）を主軸に据えるのに対し、IOTAモデル群は超音波形態を中心に据える点で対極に位置し、RCOG GTG 62はCA-125CA-125（cancer antigen 125）を必要としない代替法としてIOTA Simple Rulesを紹介したうえで、判定不能indeterminate 判定不能（indeterminate）indeterminate（判定不能） 例を除いた感度95%・特異度91%という、同じ文書がRMI I（カットオフcut-off カットオフ（cut-off）cut-off（カットオフ） 200）について報告する感度78%・特異度87%より高い数値を示している¹。

目的と適用場面

構成要素と配点

⭐ 3つのモデルは構成要素も判定方法もそれぞれ異なる。 以下、モデルごとに分けて記載する。

IOTA Simple Rules（10ルール）

良性を示唆する5つのB-rule（B1〜B5）と、悪性を示唆する5つのM-rule（M1〜M5）からなる。1つでも該当所見があれば、そのルールが「該当する」とみなす²。

B-rules：良性を示唆する5所見

M-rules：悪性を示唆する5所見

💡 B・M合わせて10所見のうち、片方の系統だけが該当すればそちらに分類される。両方該当する、またはどちらも該当しない場合は「判定不能indeterminate判定不能（indeterminate）indeterminate（判定不能）」となる——これは失敗ではなく、Simple Rules自体に組み込まれた第3の判定区分である²。

flowchart TD
    A["超音波でB-rule・M-ruleそれぞれの<br>該当の有無を確認"] --> B{"B-ruleのみ該当"}
    B -->|"はい"| C["良性と分類"]
    B -->|"いいえ"| D{"M-ruleのみ該当"}
    D -->|"はい"| E["悪性と分類<br><span class='jp-term jp-term-diagram' title='Gynaecologic tumours'>婦人科腫瘍</span>サービスへ紹介"]
    D -->|"いいえ"| F["<span class='jp-term jp-term-diagram' title='indeterminate'>判定不能</span><br>B・M両方該当、または両方非該当"]
    F --> G["ADNEXモデルや<br><span class='jp-term jp-term-diagram' title='expert'>専門家</span>による<span class='jp-term jp-term-diagram' title='pattern recognition'>パターン認識</span>評価など<br>別の方法で再評価"]

ADNEXモデル

加算式のスコアではなく、9つの予測変数 variables 変数（variables） variables（変数） を回帰式 regression equation 回帰式（regression equation） regression equation（回帰式） に投入して良性・境界悪性borderline malignant境界悪性（borderline malignant）borderline malignant（境界悪性）・stage I浸潤癌・stage II–IV浸潤癌・転移性腫瘍Metastatic Tumors転移性腫瘍（Metastatic Tumors）Metastatic Tumors（転移性腫瘍）という5つの型に分ける確率を連続値で出力する多項ロジスティック回帰モデル regression model 回帰モデル（regression model） regression model（回帰モデル） である。CA-125を含む版と含まない版があり、施設でCA-125が測定できなくても運用できる³。

💡 臨床変数 variables 変数（variables） variables（変数） に「施設種別」が入っている点がSimple Rules・LR2にはない特徴である。同じ超音波所見でも、腫瘍専門紹介施設で診た場合と一般施設で診た場合とでは、その施設に紹介される患者の悪性の事前確率 pretest probability 事前確率（pretest probability） pretest probability（事前確率） （有病割合prevalence proportion有病割合（prevalence proportion）prevalence proportion（有病割合））自体が違うため、これをモデルに組み込んで補正している。

LR2モデル

IOTAが最初に発表した実務向けモデルで、6つの変数 variables 変数（variables） variables（変数） からなるロジスティック回帰式 regression equation 回帰式（regression equation） regression equation（回帰式） で悪性の確率を算出する。より変数 variables 変数（variables） variables（変数） の多い姉妹モデルLR1（12変数 variables変数（variables） variables（変数））と同時に開発されたが、少ない変数 variables 変数（variables） variables（変数） で運用しやすいLR2のほうが広く使われた⁴。

解釈とカットオフ

⭐ モデルごとに出力形式もカットオフ cut-off カットオフ（cut-off） cut-off（カットオフ） の考え方も異なる。

⚠️ 「判定不能indeterminate判定不能（indeterminate）indeterminate（判定不能）」はSimple Rules特有の弱点であり、無視neglect 無視（neglect）neglect（無視） できない頻度で発生する。 メタ解析Meta-analysis メタ解析（Meta-analysis）Meta-analysis（メタ解析） では全体の14.3%（100%−85.7%）が判定不能 indeterminate 判定不能（indeterminate） indeterminate（判定不能） で、Simple Rulesだけでは白黒つかない²。別の外的検証では適用可能例が77%にとどまったとする報告もあり、判定不能indeterminate 判定不能（indeterminate）indeterminate（判定不能） 率は検証コホートによって変動する⁴。判定不能indeterminate 判定不能（indeterminate）indeterminate（判定不能） 例では、ADNEXモデルや専門家 expert 専門家（expert） expert（専門家） による主観的 Subjective 主観的（Subjective） Subjective（主観的） パターン認識 pattern recognition パターン認識（pattern recognition） pattern recognition（パターン認識） 評価など別の方法へ切り替える必要がある。

限界と使ってはいけない場面

⚠️ Simple Rulesは判定不能 indeterminate 判定不能（indeterminate） indeterminate（判定不能） 例を必ず生む設計であり、これを補うためにADNEXモデルが開発された。 「判定不能indeterminate 判定不能（indeterminate）indeterminate（判定不能） ならとりあえず悪性扱いにする」という運用も選択肢としてありうるが、それは偽陽性を増やす方向の妥協であり、Simple Rules単体の性能とは別に評価する必要がある。

⚠️ 超音波所見の記述・判定は読影 image interpretation 読影（image interpretation） image interpretation（読影） 者の技量・経験に依存する。 O-RADS USと同様、充実部solid component 充実部（solid component）solid component（充実部） の性状評価や血流の強さの判定は施設間・読影image interpretation 読影（image interpretation）image interpretation（読影） 者間でばらつきうる。IOTAグループ自身、外的検証でのSimple Rulesの性能が「経験豊富な検者による主観的 Subjective 主観的（Subjective） Subjective（主観的） 評価と同程度」にとどまるとしている⁴。

⚠️ LR2モデルはIOTA自身が発表した順番として最も古く、その後Simple Rules・ADNEXという、より新しいモデルが同じグループから発表されている。 新しいモデルほど優れているとは限らないが、LR2は現在では単独の第一選択というより、比較対象・歴史的参照として扱われることが多い。

⚠️ 単独で手術適応・術式を決めない。 IOTAモデル群はいずれもリスク層別化 risk stratificationリスク層別化（risk stratification） risk stratification（リスク層別化）・形態評価のツールであり、確定診断や治療方針 treatment strategy 治療方針（treatment strategy） treatment strategy（治療方針） そのものを与えない。

IOTAモデル群は他のリスク評価とも位置づけが異なる。

⚠️ どれか1つの評価法がほかより一貫して優れているという合意はない。 O-RADS USO-RADS US（Ovarian-Adnexal Reporting and Data System Ultrasound）と同様、IOTAモデル群も実務ではCA-125などのマーカーやRMI・ROMAと組み合わせて判断されることが多い。

まとめ

• IOTAモデル群は単一のスコアではなく、IOTAグループが順次発表してきた付属器腫瘤 adnexal mass 付属器腫瘤（adnexal mass） adnexal mass（付属器腫瘤） の超音波形態評価ツールの総称で、LR2モデル（最初期・6変数 variables 変数（variables） variables（変数） の回帰）、IOTA Simple Rules（10ルールで3群に分類）、ADNEXモデル（9変数 variables 変数（variables） variables（変数） で5型の確率を連続的に算出）からなる。
• Simple Rulesは5つのB-rule（良性所見）と5つのM-rule（悪性所見）からなり、片方の系統のみ該当すれば良性／悪性、両方または非該当なら判定不能 indeterminate 判定不能（indeterminate） indeterminate（判定不能） に分類する。判定不能indeterminate 判定不能（indeterminate）indeterminate（判定不能） 例を除いた感度95%・特異度91%（RCOG）、適用可能例に限ったメタ解析 Meta-analysis メタ解析（Meta-analysis） Meta-analysis（メタ解析） では感度92%・特異度92%だが、判定不能indeterminate 判定不能（indeterminate）indeterminate（判定不能） 率はメタ解析 Meta-analysis メタ解析（Meta-analysis） Meta-analysis（メタ解析） で14.3%、別の検証では23%に達する。
• ADNEXモデルは年齢・CA-125（任意）・施設種別の臨床変数 variables 変数（variables） variables（変数） 3つと、超音波変数 variables 変数（variables） variables（変数） 6つを組み合わせ、良性・境界悪性borderline malignant境界悪性（borderline malignant）borderline malignant（境界悪性）・stage I・stage II–IV・転移性の5型の確率を出力する。悪性確率10%カットオフ cut-off カットオフ（cut-off） cut-off（カットオフ） での感度・特異度はCA-125あり版で94%/77%、なし版で93%/75%。
• LR2モデルは年齢と5つの超音波所見からなる6変数 variables 変数（variables） variables（変数） のロジスティック回帰で、開発時の内的検証で感度89%・特異度73%（カットオフcut-off カットオフ（cut-off）cut-off（カットオフ） 10%）、AUC 0.92。IOTAの中では最も古いモデルである。
• いずれも超音波所見の読影 image interpretation 読影（image interpretation） image interpretation（読影） 者依存性があり、単独で手術適応を決めない。RMI・ROMAとは中心に据える情報が異なり、O-RADS USとは画像中心という点で共通するがレキシコン lexiconレキシコン（lexicon） lexicon（レキシコン）・カットオフcut-off カットオフ（cut-off）cut-off（カットオフ） は独立している。どれか1つが一貫して優れているという合意はなく、実務ではマーカーと組み合わせて判断する。