AI-podporované staging a rozhodování o léčbě hepatocelulárního karcinomu

1. Popis studie

   Krátké shrnutí: Precizní léčba primárního hepatocelulárního karcinomu (HCC) je vysoce závislá na přesném stanovení stadia onemocnění (CNLC, TNM, BCLC) a vědeckém rozhodování o léčbě, což vyžaduje integraci jak zobrazovacích, tak klinických vstupních dat. Tato studie prospektivně rekrutuje pacienty s HCC a klinické lékaře napříč různými úrovněmi nemocnic, aby vyhodnotila klinickou hodnotu vlastního modelu umělé inteligence (AI) při pomoci s vícerozměrným komplexním hodnocením a rozhodováním o léčbě. Pomocí křížového vyváženého designu s více posuzovateli a případy (MRMC) studie porovnává přesnost klinických hodnocení provedených lékaři za podmínek „bez pomoci (bez AI)“ versus „s pomocí AI“. Klíčovým zaměřením je prozkoumat, zda AI může významně zlepšit komplexní hodnotící schopnosti lékařů v nemocnicích primární/sekundární péče, a tím prospektivně snížit heterogenitu v diagnostice a léčbě napříč různými úrovněmi institucí.

   Zlatý standard (referenční standard): Referenční standard (Ground Truth) pro všechny prospektivně zařazené případy je stanoven nezávislým panelem expertů složeným ze 3 autoritativních odborníků. Panel určuje konečné standardní odpovědi pro čtyři klasifikační úkoly prostřednictvím zaslepeného nezávislého hodnocení a společné diskuze (hlasovací systém), zahrnující kompletní prospektivní zobrazovací data, klinická vstupní data, konsenzus multidisciplinárního týmu (MDT) a konečné patologické nebo klinické výsledky sledování.

2. Kritéria způsobilosti

2.1 Způsobilost hodnotitele:

1. Zkušení lékaři v terciárních nemocnicích: Zaměstnáni na oddělení hepatopankreatobiliární chirurgie, onkologie nebo příbuzných odděleních v nemocnicích třídy III stupně A (terciární), s odbornou hodností atestovaného lékaře nebo vyšší.
2. Mladší lékaři v terciárních nemocnicích: Zaměstnáni na příbuzných odděleních v nemocnicích třídy III stupně A (terciární), s odbornou hodností lékaře v přípravě.
3. Lékaři v nemocnicích primární/sekundární péče: Kliničtí lékaři zaměstnáni v okresních nebo všeobecných nemocnicích třídy II.
4. Informovaný souhlas: Musí dobrovolně souhlasit s účastí na hodnocení a podepsat formulář informovaného souhlasu.

2.2 Způsobilost pacienta/případu:

Inkluzní kritéria:

1. Věk > 18 let.
2. Pacienti prospektivně prezentující s podezřením na nebo nově diagnostikovaný primární hepatocelulární karcinom (HCC) později potvrzený patologií nebo splňující čínské směrnice pro rakovinu jater (CNLC).
3. Kompletní klinická vstupní data získaná během prospektivního období zařazení, včetně kompletní anamnézy současného/dřívějšího onemocnění, skóre ECOG PS, komplexních laboratorních testů (funkce jater, koagulace, nádorové markery jako AFP atd.) a vstupního kontrastem zvýrazněného CT břicha.
4. Pacienti (nebo jejich zákonní zástupci) musí poskytnout písemný informovaný souhlas pro použití jejich klinických dat v této studii.

Exkluzní kritéria:

1. Pacienti se sekundárním (metastatickým) karcinomem jater nebo se současnými závažnými malignitami jiných systémů.
2. Pacienti, kteří nedokončí požadované vstupní zobrazovací nebo laboratorní testy, což zabrání přesnému výpočtu stadia (např. chybějící data pro skóre Child-Pugh).
3. Pacienti, kteří před zařazením již podstoupili protinádorové terapie pro rakovinu jater.

3. Design studie

Intervenční model: Křížové přiřazení Maskování: Jednoduché zaslepení. Účastnící se hodnotitelé jsou zaslepeni vůči zlatým standardním odpovědím případů a vůči výsledkům hodnocení ostatních účastnících se lékařů.

Skupiny a intervence:

Rozdělení souboru případů: 108 prospektivně a po sobě jdoucích zařazených způsobilých případů HCC je rozděleno do dávek a náhodně rozděleno na Datový soubor A (54 případů) a Datový soubor B (54 případů). Je zajištěno, že mezi oběma soubory nejsou statisticky významné rozdíly týkající se nádorové zátěže, stupně funkce jater a distribuce stadií.

Rozdělení hodnotitelů do skupin: Celkem je zahrnuto 12 prospektivně rekrutovaných klinických lékařů, zahrnujících 4 ve skupině zkušených lékařů z terciárních nemocnic, 4 ve skupině mladších lékařů z terciárních nemocnic a 4 ve skupině z nemocnic primární/sekundární péče. Jsou rozděleni do dvě hodnotících skupin na základě stratifikované randomizace:

Skupina A (6 hodnotitelů): 2 terciární zkušení, 2 terciární mladší, 2 z primární/sekundární nemocnice.

Skupina B (6 hodnotitelů): 2 terciární zkušení, 2 terciární mladší, 2 z primární/sekundární nemocnice.

Skupina 1 - Hodnotitelé skupiny A:

Fáze 1 intervence (Kontrolní): Nezávislé hodnocení Souboru A (54 případů) kombinující klinické texty a zobrazovací data, zaznamenání 4 klasifikačních výsledků, bez pomoci AI.

Fáze 2 intervence (Experimentální): Hodnocení Souboru B (54 případů). Systém prezentuje 4 predikční výsledky modelu AI a související důkazy; lékaři poskytnou konečný úsudek po komplexním zohlednění.

Skupina 2 - Hodnotitelé skupiny B:

Fáze 1 intervence (Kontrolní): Nezávislé hodnocení Souboru B (54 případů) kombinující klinické texty a zobrazovací data, zaznamenání 4 klasifikačních výsledků, bez pomoci AI.

Fáze 2 intervence (Experimentální): Hodnocení Souboru A (54 případů). Lékaři poskytnou konečný úsudek po zohlednění výsledků modelu AI.

4. Výsledné měřítka

Primární výsledek:

Zlepšení celkové přesnosti: Rozdíl v průměrné přesnosti napříč 4 klasifikačními úkoly mezi hodnocením s pomocí AI (experimentální skupina) a nezávislým hodnocením (kontrolní skupina).

Sekundární výsledky:

Homogenizační efekt: Posouzení, zda je rozdíl v přesnosti klinického hodnocení mezi lékaři ve skupině z nemocnic primární/sekundární péče a skupinami z terciárních nemocnic významně snížen za pomoci AI.

Efektivita hodnocení: Porovnání průměrného času hodnocení na případ mezi lékaři s a bez pomoci AI.

Shoda mezi hodnotiteli: Porovnání konzistence výsledků hodnocení mezi lékaři (např. pomocí Kappa statistik), s a bez pomoci AI.

5. Plán statistické analýzy & velikost vzorku

Odůvodnění velikosti vzorku:

Výpočet velikosti vzorku pro tuto studii je založen na očekávané změně celkové průměrné přesnosti napříč všemi úrovněmi prospektivně rekrutovaných lékařů. Odhaduje se, že celková průměrná přesnost bez pomoci AI je 0,60 a s pomocí AI je 0,70.

Nastavení hladiny významnosti pro oboustranný test na 0,05 (odpovídající Z-hodnotě přibližně 1,96) a statistické síly na 0,80 (odpovídající Z-hodnotě přibližně 0,84), velikost vzorku byla určena pomocí standardní statistické metody pro porovnání dvou nezávislých proporcí. Za předpokladu žádného klastrového efektu vyplývajícího z více hodnocení případů stejným lékařem, tento výpočet ukazuje, že každá intervenční skupina vyžaduje alespoň 353 nezávislých hodnocení.

Ověření síly:

V aktuální konfiguraci této studie je celkem 12 lékařů.

Celkový počet nezávislých hodnocení pro kontrolní skupinu (bez AI) = Skupina A (6 hodnotitelů) x Soubor A (54 případů) + Skupina B (6 hodnotitelů) x Soubor B (54 případů) = 648 nezávislých hodnocení.

Celkový počet nezávislých hodnocení pro experimentální skupinu (s AI) také = 648 nezávislých hodnocení.

Protože 648 hodnocení je větší než požadovaný základ 353 hodnocení, současná konfigurace případů a lékařů již má dostatečnou statistickou sílu. Tato velikost vzorku poskytuje konzervativní rezervu (přibližně 1,8krát větší než základní požadavek) k adekvátnímu zohlednění jakéhokoli klastrového efektu (intraklasická korelace) vyplývajícího z více hodnocení případů stejným lékařem v tomto MRMC designu.