Resumen de Estratificación patológica del cáncer de endometrio inicial

Esther Moreno Moreno, Amanda Rodríguez Villena, Irene Carretero del Barrio, José Palacios Calvo, Belén Pérez Mies

• español

  El cáncer de endometrio (CE) es la neoplasia maligna más común del tracto genital femenino y la cuarta más frecuente en mujeres. Tradicionalmente, el CE se ha clasificado en dos tipos: de tipo I, CE de bajo grado (G1-G2), subtipo endometrioide de buen pronóstico, y de tipo II, CE de alto grado (G3), no endometrioides de mal pronóstico. Sin embargo, esta clasificación tradicional no abarca toda la heterogeneidad del CE. En 2013, The Cancer Genomic Atlas (TCGA) describió cuatro subtipos moleculares con diferentes implicaciones pronósticas: CE POLE mutado, CE con inestabilidad de microsatélites, CE copy number low y CE copy-number high. Esta clasificación puede realizarse de forma subrogada en la práctica clínica, lo que mejora la caracterización del CE. La clasificación FIGO de 2023 combina la clasificación molecular subrogada y parámetros histológicos para mejorar la estratificación del riesgo del carcinoma en estadios iniciales y personalizar los tratamientos de manera más efectiva.

• English

  Endometrial cancer (EC) is the most common malignant neoplasm of the female genital tract and the fourth most frequent in women. Traditionally, EC has been classified into two types: Type I, low-grade EC (G1-G2), endo- metrioid subtype with a good prognosis, and Type II, high-grade EC (G3), non-endometrioid with a poor prognosis.

  However, this traditional classification does not cover the full heterogeneity of EC. In 2013, The Cancer Genomic Atlas (TCGA) described four molecular subtypes with different prognostic implications: POLE-mutated EC, mi- crosatellite instability EC, copy-number low EC, and copy-number high EC. This classification can be applied in clinical practice through surrogate methods, improving the characterization of EC. The 2023 FIGO classification combines surrogate molecular classification with histological parameters to enhance risk stratification at early stages and personalize treatments more effectively