Segundo câncer mais fatal
O câncer colorretal é o segundo câncer mais fatal do mundo para ambos os sexos, com mais de 900 mil óbitos anuais e 1,9 milhão de novos casos anuais.2
Visão geral
A detecção precoce do CCR é crucial
O câncer colorretal é o segundo câncer mais fatal do mundo, acarretando quase 1 milhão de óbitos por ano.2 Apesar das evidências de que o rastreamento pode reduzir a mortalidade, o rastreamento populacional não é aplicado globalmente de forma uniforme e, quando aplicado, a adesão pode parecer abaixo do ideal. Um em cada dez casos de câncer de cólon e um em cada quatro casos de câncer retal serão diagnosticados em adultos com <50 anos de idade.3 Cerca de 5% a 10% dos casos de câncer de cólon e reto diagnosticados são atribuídos a riscos genéticos.4
Detecção precoce
Com uma taxa de sobrevida de 5 anos de 90% nos estágios iniciais, a detecção precoce do câncer colorretal pode ser um aspecto crucial.5
Conformidade de rastreamento
A participação nos programas de rastreamento do CCR varia muito entre países. Uma análise mostrou que a maioria dos países atingiu taxas de participação superiores a 45%; a Croácia e a República Checa tiveram as taxas de participação mais baixas (<25%), seguidas da França (34,3%).6
navify® Algorithms, ColonFlag da Medial EarlySign
O ColonFlag é um sistema de software que realiza análise baseada em algoritmo de informações demográficas e resultados de testes laboratoriais e fornece scores para indicar indivíduos com maior probabilidade de ter câncer colorretal (CCR) em comparação com a população geral.¹
9 em cada 10 adultos diagnosticados em estágio inicial ainda estarão vivos após 5 anos.7
Menos de 35% dos casos de câncer colorretal são descobertos em estágios iniciais.7 – parcialmente por causa de pouca testagem. Com aumento da sensibilidade do ColonFlag ao câncer proximal8, é útil para o médico detectar mais casos de câncer e em estágios iniciais.
~35%diagnóstico em estágio inicial.7
ColonFlag, um modelo validado para identificação de indivíduos com maior probabilidade de CCR em comparação com a população geral1
O algoritmo médico ColonFlag usa os resultados do hemograma completo convencional, juntamente com informações demográficas (idade, sexo)1 para descobrir relações entre resultados de hemograma completo e mudanças sutis em tendências temporais.
Parâmetros do algoritmo
O ColonFlag é um sistema de software que realiza análise baseada em algoritmo de informações demográficas e resultados de testes laboratoriais e fornece escores pessoais para indicar indivíduos com maior probabilidade de abrigar câncer colorretal (CCR) em comparação com a população geral.1
Uso clínico
Embasa os profissionais da saúde na tomada de decisões e não se destina a ser uma ferramenta de rastreamento ou diagnóstico independente. Não se destina a excluir nem a ser utilizado para dispensar o rastreamento ou diagnóstico adicional.1
Público-alvo indicado
Destina-se a ser utilizado por organizações e profissionais de saúde para ajudar a identificar na população geral indivíduos com idade igual ou superior a 40 anos, com risco aumentado de desenvolver CCR em comparação com a população geral, e para os quais se recomenda avaliação adicional.1
Benefícios
Aprimorar o rastreamento colorretal: as principais vantagens do ColonFlag
Ao utilizar o ColonFlag, os profissionais de saúde podem melhorar os processos de rastreamento de pacientes, melhorar as taxas de detecção e, em última análise, possibilitar melhores resultados de saúde na luta contra o câncer colorretal.1,9
3 parâmetros de entrada
Requer parâmetros padronizados e diretos: idade, sexo no nascimento e resultados de hemograma (atuais e prévios).1
8×mais eficaz
Mais casos de CCR (todos os estágios) detectados na população com alerta em comparação com o rastreamento de rotina de CCR com colonoscopia.9
>68%de impacto operacional
Pesquisas mostram que >68% dos pacientes foram aconselhados a fazer colonoscopia, 70% completaram o rastreamento com achados significativos.9
Integração via navify Algorithm Suite
Experimente uma única plataforma integrada projetada para provedores de saúde e laboratórios que simplifica a complexidade de TI enquanto reduz o risco de vulnerabilidades. Com algoritmos médicos integrados da Roche e de parceiros, fornecemos uma solução abrangente que simplifica os processos e aprimora a colaboração.
Ponto de contato único para suporte ao cliente
A Roche oferece suporte centralizado ao cliente para todos os algoritmos do seu portfólio a fim de garantir consistência e confiabilidade. Gerenciamos problemas que surgem referentes a todos os algoritmos hospedados, simplificando o processo e eliminando a necessidade de os clientes contatarem fornecedores individuais.
Segurança e privacidade dos dados
A segurança e a privacidade dos dados são fundamentais para as operações da Roche, enraizadas na filosofia “Segurança e privacidade por padrão” e na certificação ISO/IEC 27001. Nossa equipe técnica dedicada conduz avaliações de risco contínuas, testes de penetração e monitoramento de rede para minimizar a complexidade e as vulnerabilidades de TI, priorizando a confidencialidade dos dados para proteger as informações dos pacientes em todos os parceiros.
Perguntas frequentes
Se não encontrar respostas para as suas perguntas aqui, será uma satisfação fornecer mais informações e discutir suas necessidades em mais detalhes.
O ColonFlag é uma ferramenta de diagnóstico?
Não. O ColonFlag não é um dispositivo de diagnóstico ou rastreamento, mas sim uma indicação de risco relativo para o câncer colorretal,ou seja, um escore alto não indica malignidade ou patologia. Emprega análise algorítmica de dados demográficos (idade e sexo) e resultados de hemograma completo para gerar escores individuais, indicando aqueles que estão mais propensos a ter câncer colorretal (CCR) do que a população em geral. É importante observar que um escore alto não indica malignidade ou patologia. Além disso, um escore baixo não indica baixo risco nem descarta a realização de rastreamento ou exames adicionais.1
Como o ColonFlag pode beneficiar minha prática?
O sistema ColonFlag destina-se a auxiliar os profissionais de saúde na tomada de decisões e não constitui uma ferramenta de rastreamento ou diagnóstico independente.1 O ColonFlag pode beneficiar sua prática, pois identifica pacientes com risco elevado de CCR.
Como funciona o ColonFlag para identificar pacientes de alto risco?
O ColonFlag usa dados de idade, sexo e histórico de hemograma do paciente para identificar aqueles com alto risco de CCR. Ele usa um algoritmo baseado em aprendizado de máquina para analisar os dados e calcular um escore de risco. Isso ajuda a destacar indivíduos que podem se beneficiar de um rastreamento diagnóstico adicional.
O ColonFlag é uma solução de saúde digital validada?
O ColonFlag foi treinado e validado de forma cruzada usando dados de 466.107 pacientes israelenses (Maccabi Health Care Services, MHS), validados externamente em um conjunto adicional de 139.205 pacientes israelenses (MHS External Validation) e 25.613 pacientes de cuidados primários do banco de dados da Health Information Network (THIN) do Reino Unido.10
Foi feita uma validação internacional com estudos nas principais instituições do mundo (estudos retrospectivos), inclusive Oxford (Reino Unido)11, Kaiser Permanente Northwest (KPNW, EUA)12, Kaiser Permanente Northern California (KPNC, EUA)13 e Universidade Chinesa de Hong Kong (CUHK, China)14.
O ColonFlag pode se integrar aos sistemas de prontuário eletrônico de saúde (EHR) existentes e qual é o processo de implementação para uma instituição de saúde?
Sim, o ColonFlag, como todos os algoritmos do navify Algorithms no navify Algorithm Suite, pode ser integrado a EHR ou a outros repositórios de dados clínicos, como os sistemas de informação laboratorial (LIS). A estratégia de integração pode variar dependendo da infraestrutura de TI do cliente. Consulte o representante técnico da Roche para avaliar qual estratégia de integração melhor se adapta à infraestrutura de sua instituição.
Libere o poder da transformação digital
Vivenciar a transformação digital pode ser assustador. É por isso que, agora, oferecemos planos de software personalizados, projetados para atender às suas necessidades e aos seus desafios.
Medial EarlySign
Medial EarlySign develops machine learning-based decision support tools that reveal hidden insights in standard medical data. These insights enable personalized and outcome-based interpretations, providing individualized predictions and treatment options while facilitating the early detection of life-threatening conditions. Our cutting-edge tools offer healthcare organizations a fresh perspective on their data, empowering them with proactive, personalized, and predictive care management capabilities.
Visitar site- Method Sheet ColonFlag 3.1. 2024. Material number 09823387001.
- Ferlay J, et al. Global Cancer Observatory: Colorectum [Internet; publicado em 2024; citado em 14 de março de 2025]. Disponível em: https://gco.iarc.who.int/media/globocan/factsheets/cancers/41-colorectum-fact-sheet.pdf.
- REACCT Collaborative, et al. Characteristics of early-onset vs late-onset colorectal cancer: a review. JAMA Surg. 2021 Sep;156(9):865-8745. DOI:10.1001/jamasurg.2021.2380.
- Lynch HT, de la Chapelle A. Hereditary colorectal cancer. N Engl J Med. 2003 Mar;348(10):919-932. DOI:10.1056/NEJMra012242.
- American Cancer Society. Can Colorectal Polyps and Cancer Be Found Early? [Internet; atualizado em 29 de janeiro de 2024; citado em 14 de março de 2025]. Disponível em: https://www.cancer.org/cancer/types/colon-rectal-cancer/detection-diagnosis-staging/detection.html
- Navarro M, et al. Colorectal cancer population screening programs worldwide in 2016: An update. World J Gastroenterol. 2017 May;23(20):3632-3642. DOI: 10.3748/wjg.v23.i20.3632.
- National Center for Chronic Disease Prevention and Health Promotion (NCCDPHP). Health and economic benefits of colorectal cancer interventions [Internet; atualizado em 16 de outubro de 2024; citado em 14 de março de 2025]. Disponível em: https://www.cdc.gov/nccdphp/priorities/colorectal-cancer.html
- American Cancer Society. Cancer Facts & Figures [Internet; publicado em 2022; citado em 14 de março de 2025]. Disponível em: https://www.cancer.org/content/dam/cancer-org/research/cancer-facts-and-statistics/annual-cancer-facts-and-figures/2022/2022-cancer-facts-and-figures.pdf.
- Underberger D, et al. Collaboration to improve colorectal cancer screening using machine learning, NEJM Catal Innov Care Deliv. 2022;3(4). DOI:10.1056/CAT.21.0170.
- Kinar Y, et al. Development and validation of a predictive model for detection of colorectal cancer in primary care by analysis of complete blood counts: a binational retrospective study. J Am Med Inform Assoc. 2016 Sep;23(5):879–890. DOI:10.1093/jamia/ocv195.
- Birks J, et al. Evaluation of a prediction model for colorectal cancer: retrospective analysis of 2.5 million patient records. Cancer medicine. 2017;6(10), 2453–2460. DOI: 10.1002/cam4.1183.
- Hornbrook M, et al. Early colorectal cancer detected by machine learning model using gender, age, and complete blood count data. Dig Dis Sci. 2017 Oct;62(10):2719–2727. DOI:10.1007/s10620-017-4722-8.
- Schneider JL, et al. Validation of an algorithm to identify patients at risk for colorectal cancer based on laboratory test and demographic data in diverse, community-based population. Clin Gastroenterol Hepatol. 2020 Nov;18(12):2734-2741.e6. DOI:10.1016/j.cgh.2020.04.054.
- Ng S, et al. Journal of Gastroenterology and Hepatology. 2017. 32(Suppl 3), 146. Abstract: #P-0960.
- Nem todos os produtos digitais estão disponíveis em todos os mercados. O uso de qualquer aplicativo de terceiros está sujeito a um acordo de licença próprio, a celebrar com o respectivo criador do aplicativo de terceiros. A Roche não fornece garantias (expressas ou implícitas) relativamente a qualquer aplicação de terceiros. As aplicações de terceiros podem não estar disponíveis no seu país. Este site e o seu conteúdo podem estar acessíveis no mundo inteiro. A Roche não assume nenhuma responsabilidade no que diz respeito ao acesso à informação, que pode não ser compatível com as legislações ou os regulamentos em vigor no seu país.
- MC--11187