AI-assisteret stadieinddeling og behandlingsbeslutningstagning for hepatocellulært karcinom

1. Studiebeskrivelse

   Kort resumé: Præcis behandling af primær hepatocellulær carcinoma (HCC) afhænger i høj grad af nøjagtig sygdomsstadieinddeling (CNLC, TNM, BCLC) og videnskabelig behandlingsbeslutningstagning, hvilket kræver integration af både billeddiagnostiske og kliniske baseline-data.
   Dette studie rekrutterer prospektivt HCC-patienter og kliniske læger på tværs af forskellige hospitalsniveauer for at evaluere den kliniske værdi af en selvudviklet kunstig intelligens (AI)-model til at assistere flerdimensional omfattende vurdering og behandlingsbeslutningstagning.
   Ved at anvende et Multi-Rater Multi-Case (MRMC) crossover-balanceret design sammenligner studiet nøjagtigheden af kliniske evalueringer udført af læger under "uassisterede (uden AI)" versus "AI-assisterede" betingelser.
   Et centralt fokus er at undersøge, om AI signifikant kan forbedre lægers omfattende vurderingsevner i primær-/sekundære sygehuse, og dermed prospektivt reducere diagnostisk og terapeutisk heterogenitet på tværs af forskellige institutionsniveauer.

   Guldstandard (referencestandard): Referencestandarden (Ground Truth) for alle prospektivt inkluderede tilfælde etableres af et uafhængigt ekspertpanel bestående af 3 autoritative eksperter.
   Panelet fastlægger de endelige standardbesvarelser for de fire klassifikationsopgaver gennem blindet uafhængig evaluering og fælles diskussion (afstemningssystem), ved at inkorporere komplette prospektive billeddiagnostiske data, kliniske baseline-data, multidisciplinært team (MDT)-konsensus og endelige patologiske eller kliniske opfølgningsresultater.

2. Berettigelseskriterier

2.1 Evaluatorberettigelse:

1. Overlæger på tertiære sygehuse: Ansat på afdelingen for hepato-pankreato-biliær kirurgi, onkologi eller relaterede afdelinger på klasse III grad A (tertiære) sygehuse, med den professionelle titel af afdelingslæge eller derover.
2. Yngre læger på tertiære sygehuse: Ansat på relaterede afdelinger på klasse III grad A (tertiære) sygehuse, med den professionelle titel af reservelæge.
3. Læger på primær-/sekundære sygehuse: Kliniske læger ansat på amts- eller klasse II almindelige sygehuse.
4. Informert samtykke: Skal frivilligt acceptere at deltage i evalueringen og underskrive det informerede samtykkeformular.

2.2 Patient-/tilfældesberettigelse:

Inklusionskriterier:

1. Alder > 18 år.
2. Patienter som prospektivt præsenterer med mistænkt eller nydiagnosticeret primær hepatocellulær carcinoma (HCC) senere bekræftet af patologi eller som opfylder China Liver Cancer (CNLC)-retningslinjerne.
3. Komplet baseline kliniske data indsamlet i den prospektive inklusionsperiode, inklusive komplet historie om nuværende/tidligere sygdom, ECOG PS-score, omfattende laboratorieprøver (leverfunktion, koagulation, tumormarkører såsom AFP, etc.) og baseline kontrastforstærket CT af abdomen.
4. Patienter (eller deres juridiske repræsentanter) skal give skriftligt informeret samtykke til, at deres kliniske data anvendes i denne prøve.

Eksklusionskriterier:

1. Patienter med sekundær (metastatisk) leverkræft eller samtidig alvorlige maligniteter i andre systemer.
2. Patienter som ikke gennemfører de nødvendige baseline billeddiagnostiske eller laboratorieprøver, hvilket forhindrer nøjagtig stadieberegning (f.eks. manglende data til Child-Pugh-score).
3. Patienter som har modtaget anti-tumorbehandlinger for leverkræft før inklusion.

3. Studiedesign

Interventionsmodel: Crossover-tildeling Maskering: Enkeltblindet.
Deltagende evaluatorer er blindede for guldstandardbesvarelserne af tilfældene og for evalueringsresultaterne af andre deltagende læger.

Arme og interventioner:

Tilfældessæt-opdeling: 108 prospektivt og konsekutivt inkluderede berettigede HCC-tilfælde batches og tilfældigt opdeles i Datasæt Sæt A (54 tilfælde) og Datasæt Sæt B (54 tilfælde).
Det sikres, at der ikke er statistisk signifikante forskelle mellem de to sæt med hensyn til tumorbelastning, leverfunktionsgrad og stadiefordeling.

Evaluatorgruppering: I alt 12 prospektivt rekrutterede kliniske læger inkluderes, bestående af 4 i tertiært sygehus seniorgruppe, 4 i tertiært sygehus juniorgruppe og 4 i primær-/sekundær sygehusgruppe.
De opdeles i to evalueringsgrupper baseret på stratificeret randomisering:

Gruppe A (6 evaluatorer): 2 tertiære senior, 2 tertiære junior, 2 primær-/sekundære sygehus.

Gruppe B (6 evaluatorer): 2 tertiære senior, 2 tertiære junior, 2 primær-/sekundære sygehus.

Arm 1 - Gruppe A Evaluatorer:

Fase 1 Intervention (kontrol): Uafhængig evaluering af Sæt A (54 tilfælde) kombinerende kliniske tekster og billeddiagnostiske data, registrering af 4 klassifikationsresultater, uden AI-assistance.

Fase 2 Intervention (eksperimentel): Evaluering af Sæt B (54 tilfælde).
Systemet præsenterer AI-modellens 4 forudsigelsesresultater og relateret evidens; læger giver den endelige dom efter omfattende reference.

Arm 2 - Gruppe B Evaluatorer:

Fase 1 Intervention (kontrol): Uafhængig evaluering af Sæt B (54 tilfælde) kombinerende kliniske tekster og billeddiagnostiske data, registrering af 4 klassifikationsresultater, uden AI-assistance.

Fase 2 Intervention (eksperimentel): Evaluering af Sæt A (54 tilfælde).
Læger giver den endelige dom efter reference til AI-modellens resultater.

4. Udfaldsmålinger

Primært udfald:

Forbedring i samlet nøjagtighed: Forskellen i gennemsnitlig nøjagtighed på tværs af de 4 klassifikationsopgaver mellem AI-assisteret evaluering (eksperimentel gruppe) og uafhængig evaluering (kontrolgruppe).

Sekundære udfald:

Homogeniseringseffekt: Vurdering af om forskellen i klinisk evalueringsnøjagtighed mellem læger i primær-/sekundær sygehusgruppen og tertiære sygehusgrupper er signifikant reduceret under AI-assistance.

Evalueringseffektivitet: Sammenligning af den gennemsnitlige evalueringstid pr. tilfælde mellem læger med og uden AI-assistance.

Inter-rater-overensstemmelse: Sammenligning af konsistensen af evalueringsresultater blandt læger (f.eks. ved brug af Kappa-statistik), med og uden AI-assistance.

5. Statistisk analyseplan & stikprøvestørrelse

Begrundelse for stikprøvestørrelse:

Stikprøvestørrelsesberegningen for dette studie er baseret på den forventede ændring i den samlede gennemsnitlige nøjagtighed på tværs af alle niveauer af prospektivt rekrutterede læger.
Det estimeres, at den samlede gennemsnitlige nøjagtighed uden AI-assistance er 0,60, og med AI-assistance er 0,70.

Ved at indstille signifikansniveauet for en totidet test til 0,05 (svarende til en Z-værdi på cirka 1,96) og den statistiske styrke til 0,80 (svarende til en Z-værdi på cirka 0,84), blev stikprøvestørrelsen bestemt ved brug af standard statistisk metode til sammenligning af to uafhængige proportioner.
Under antagelse af ingen klyngningseffekt som følge af multiple tilfældesevalueringer af samme læge, indikerer denne beregning, at hver interventionsgruppe kræver mindst 353 uafhængige evalueringer.

Styrkeverifikation:

I den faktiske konfiguration af dette studie er der i alt 12 læger.

Samlede uafhængige evalueringer for kontrolgruppen (uden AI) = Gruppe A (6 evaluatorer) x Sæt A (54 tilfælde) + Gruppe B (6 evaluatorer) x Sæt B (54 tilfælde) = 648 uafhængige evalueringer.

Samlede uafhængige evalueringer for eksperimentel gruppe (med AI) også = 648 uafhængige evalueringer.

Da 648 evalueringer er større end det krævede grundlag på 353 evalueringer, besidder den nuværende konfiguration af tilfælde og læger allerede tilstrækkelig statistisk styrke.
Denne stikprøvestørrelse giver en konservativ margin (cirka 1,8 gange grundlagsbehovet) til tilstrækkeligt at tage højde for eventuel klyngningseffekt (intra-klasse korrelation) som følge af multiple tilfældesevalueringer af samme læge i dette MRMC-design.