Digitale Pathologie und KI für Leberergebnisse bei MASLD (DPAILO-1)

Eine retrospektive, multizentrische Studie, bei der Patienten mit histologisch definierter metabolischer Dysfunktion-assoziierter steatotischer Lebererkrankung (MASLD), einschließlich einfacher Steatose, einer Leberbiopsie (Standard der Behandlung, Ausgangswert, T0) unterzogen und 1 bis 3 Jahre lang einer klinischen Nachbeobachtung unterzogen wurden 10 Jahre.

Digitale Pathologie:

Die formalinfixierten, in Paraffin eingebetteten (FFPE) histologischen Gewebeschnitte wurden mit Massons Trichrom-Färbung oder Picro Sirius Red-Färbung auf Fibrose gefärbt und auf Glasobjektträger montiert. Die Objektträger wurden mit 40-facher Vergrößerung in einem beliebigen Format (.ndpi, .svs, .czi .tiff..etc).Die Patienten wurden von T0+1 Jahren bis mehr als T0+10 Jahren klinisch nachuntersucht.

Digitale Pathologie-Biomarker:

Bild der digitalen Pathologie wurde in das cloudbasierte Datensystem von PharmaNest hochgeladen. Der Digital Pathology (DP) FibroNest Phenotypic Fibrosis Composite Score (Ph-FCS) und der Steatosis Adjusted PT-Ph-FCS werden von PharmaNest in Princeton, USA, berechnet. Die Werte der Ph-FCS-Biomarker und die langfristige klinische Nachbeobachtung werden analysiert, um den prädiktiven Wert des Ph-FCS-Scores für das Auftreten klinischer hepatischer Dekompensationsereignisse zu bestimmen, und mit der prädiktiven Leistung nicht-invasiver Tests (NIT) verglichen. Leistung (Fib4 und Elastographie).

Klinische Ereignisse definiert:

1. Tod aus irgendeinem Grund
2. Leberbedingter Tod
3. klinische Leberdekompensationsereignisse i. Ösophagusvarizen mit Blutung ii. Aszites iii. Hepatische Enzephalopathie
4. Hepatozelluläres Karzinom

Für jedes dieser Ereignisse wird die Zeit bis zum Ereignis aufgezeichnet.

Beurteilung der Stichprobengröße

Wir werden den zweiseitigen Student-t-Test verwenden, um zwischen den beiden Gruppen zu unterscheiden. Eine Leistungsanalyse wurde durchgeführt, um die Mindestanzahl an Proben zu ermitteln, die in jeder Gruppe erforderlich ist, um einen statistisch signifikanten Unterschied zu erzielen. Anhand der demografischen Daten aus zwei Studien1,2 ermittelten wir Anteile der Gruppen mit Leberereignissen und Nicht-Ereignissen. Der Mittelwert und die Standardabweichung für jede Gruppe, die zur Berechnung der Effektgröße verwendet wurden, wurden aus einer Pilotstudie ermittelt (siehe Abb. 13). Durch die Modellierung des p-Werts und der Trennschärfe für unterschiedliche Stichprobengrößen konnten wir die gewünschte Stichprobengröße für eine bestimmte Trennschärfe und einen bestimmten p-Wert berechnen. Ein Bereich von 0,001–0,75 wurde für Alpha-Werte und 0,6–0,99 für Leistungswerte gewählt. Alpha <0,05 und Potenz > 0,8 gelten typischerweise als ideale Werte. Das Verhältnis von Ereignis zu Nicht-Ereignis wurde aus früheren Studien1,2 ermittelt, wie in der 5. Zeile in Tabelle 1 dargestellt. Wenn wir davon ausgehen, dass unsere Datenverteilung der Datenverteilung in Santal et al. am ähnlichsten sein wird, benötigen wir insgesamt 1944 Patienten, um nachzuweisen, dass der Ph-FCS-Biomarker erste leberbezogene Ereignisse mit einem p-Wert von 0,05 und einer Potenz von vorhersagen kann 0,80.

Statistischer Analyseplan

Biomarkerwerte der Ph-FCS-, PT-Ph-FCS-, Fib-4- und FibroScan-Elastographie werden für die Kaplan-Myer-Time-to-Event-Analyse zwischen 2 und 10 Jahren verwendet. Der zweiseitige T-Test des Schülers wird verwendet, um festzustellen, ob die Ergebnisse zwischen den Gruppen mit Leber-Outcome und denen ohne Leber-Outcome unterschiedlich sein können. Mithilfe der Receiver Operating Characteristic (ROC)-Kurve und der Area-under-Curve (AUC) wird ermittelt, wie gut der Score das Leberergebnis vorhersagt.