Stadiazione Assistita dall'Intelligenza Artificiale e Processo Decisionale Terapeutico per il Carcinoma Epatocellulare

1. Descrizione dello Studio

   Riassunto Breve: Il trattamento preciso del carcinoma epatocellulare primario (HCC) dipende fortemente dalla stadiazione accurata della malattia (CNLC, TNM, BCLC) e dalla decisione terapeutica scientifica, che richiedono l'integrazione sia dei dati di imaging che dei dati clinici basali. Questo studio arruola prospetticamente pazienti con HCC e medici clinici di diversi livelli ospedalieri per valutare il valore clinico di un modello di intelligenza artificiale (IA) sviluppato internamente nell'assistere la valutazione multidimensionale completa e la decisione terapeutica. Utilizzando un disegno crossover bilanciato Multi-Valutatore Multi-Caso (MRMC), lo studio confronta l'accuratezza delle valutazioni cliniche eseguite dai medici in condizioni "senza assistenza (senza IA)" rispetto a "con assistenza IA". Un obiettivo chiave è esplorare se l'IA possa migliorare significativamente le capacità di valutazione completa dei medici negli ospedali di cura primaria/secondaria, riducendo prospetticamente l'eterogeneità diagnostica e terapeutica tra i diversi livelli istituzionali.

   Standard di Riferimento (Gold Standard): Lo standard di riferimento (Ground Truth) per tutti i casi arruolati prospetticamente è stabilito da un panel indipendente di esperti composto da 3 esperti autorevoli. Il panel determina le risposte standard finali per i quattro compiti di classificazione attraverso valutazione indipendente in cieco e discussione congiunta (sistema di voto), incorporando i dati di imaging prospettici completi, i dati clinici basali, il consenso del team multidisciplinare (MDT) e i risultati patologici finali o di follow-up clinico.

2. Criteri di Eleggibilità

2.1 Eleggibilità del Valutatore:

1. Medici Senior in Ospedali di Terzo Livello: Impiegati nel reparto di chirurgia epato-pancreato-biliare, oncologia o reparti correlati in ospedali di Classe III Grado A (terziari), con titolo professionale di medico primario o superiore.
2. Medici Junior in Ospedali di Terzo Livello: Impiegati in reparti correlati in ospedali di Classe III Grado A (terziari), con titolo professionale di medico in formazione.
3. Medici in Ospedali di Cura Primaria/Secondaria: Medici clinici impiegati in ospedali generali di livello distrettuale o di Classe II.
4. Consenso Informato: Devono acconsentire volontariamente a partecipare alla valutazione e firmare il modulo di consenso informato.

2.2 Eleggibilità del Paziente/Caso:

Criteri di Inclusione:

1. Età > 18 anni.
2. Pazienti che si presentano prospetticamente con sospetto o nuova diagnosi di carcinoma epatocellulare primario (HCC) successivamente confermato da patologia o conforme alle linee guida China Liver Cancer (CNLC).
3. Dati clinici basali completi acquisiti durante il periodo di arruolamento prospettico, inclusa anamnesi completa attuale/passata, punteggio ECOG PS, esami di laboratorio completi (funzionalità epatica, coagulazione, marcatori tumorali come AFP, ecc.) e TC addominale con contrasto basale.
4. I pazienti (o i loro rappresentanti legali) devono fornire il consenso informato scritto per l'utilizzo dei loro dati clinici in questo studio.

Criteri di Esclusione:

1. Pazienti con cancro al fegato secondario (metastatico) o altre gravi neoplasie concomitanti di altri sistemi.
2. Pazienti che non completano gli esami di imaging basali o di laboratorio richiesti, impedendo il calcolo accurato della stadiazione (es., dati mancanti per il punteggio Child-Pugh).
3. Pazienti che hanno precedentemente ricevuto terapie antitumorali per il cancro al fegato prima dell'arruolamento.

3. Disegno dello Studio

Modello di Intervento: Assegnazione Crossover Mascheramento: Singolo Cieco. I valutatori partecipanti sono in cieco rispetto alle risposte gold standard dei casi e ai risultati di valutazione degli altri medici partecipanti.

Bracci e Interventi:

Partizione del Set di Casi: 108 casi eleggibili di HCC arruolati prospetticamente e consecutivamente sono raggruppati e suddivisi casualmente in Set di Dati A (54 casi) e Set di Dati B (54 casi). È garantito che non ci siano differenze statisticamente significative tra i due set riguardo al carico tumorale, alla classificazione della funzionalità epatica e alla distribuzione della stadiazione.

Raggruppamento dei Valutatori: Sono inclusi un totale di 12 medici clinici reclutati prospetticamente, comprendenti 4 nel gruppo senior di ospedale terziario, 4 nel gruppo junior di ospedale terziario e 4 nel gruppo di ospedale primario/secondario. Sono divisi in due gruppi di valutazione in base alla randomizzazione stratificata:

Gruppo A (6 valutatori): 2 terziari senior, 2 terziari junior, 2 ospedale primario/secondario.

Gruppo B (6 valutatori): 2 terziari senior, 2 terziari junior, 2 ospedale primario/secondario.

Braccio 1 - Valutatori del Gruppo A:

Fase 1 Intervento (Controllo): Valutazione indipendente del Set A (54 casi) combinando testi clinici e dati di imaging, registrando 4 risultati di classificazione, senza assistenza IA.

Fase 2 Intervento (Sperimentale): Valutazione del Set B (54 casi). Il sistema presenta i 4 risultati predittivi del modello IA e le relative evidenze; i medici forniscono il giudizio finale dopo riferimento completo.

Braccio 2 - Valutatori del Gruppo B:

Fase 1 Intervento (Controllo): Valutazione indipendente del Set B (54 casi) combinando testi clinici e dati di imaging, registrando 4 risultati di classificazione, senza assistenza IA.

Fase 2 Intervento (Sperimentale): Valutazione del Set A (54 casi). I medici forniscono il giudizio finale dopo aver fatto riferimento ai risultati del modello IA.

4. Misure di Esito

Esito Primario:

Miglioramento nell'Accuratezza Complessiva: La differenza nell'accuratezza media tra i 4 compiti di classificazione tra la valutazione con assistenza IA (gruppo sperimentale) e la valutazione indipendente (gruppo di controllo).

Esiti Secondari:

Effetto di Omogeneizzazione: Valutazione se la differenza nell'accuratezza della valutazione clinica tra i medici nel gruppo di ospedale primario/secondario e i gruppi di ospedale terziario sia significativamente ridotta con l'assistenza IA.

Efficienza di Valutazione: Confronto del tempo medio di valutazione per caso tra i medici con e senza assistenza IA.

Accordo Inter-Valutatore: Confronto della coerenza dei risultati di valutazione tra i medici (es., utilizzando statistiche Kappa), con e senza assistenza IA.

5. Piano di Analisi Statistica e Dimensione del Campione

Giustificazione della Dimensione del Campione:

Il calcolo della dimensione del campione per questo studio si basa sul cambiamento atteso nell'accuratezza media complessiva tra tutti i livelli di medici reclutati prospetticamente. Si stima che l'accuratezza media complessiva senza assistenza IA sia 0,60 e con assistenza IA sia 0,70.

Impostando il livello di significatività per un test a due code a 0,05 (corrispondente a un valore Z di circa 1,96) e la potenza statistica a 0,80 (corrispondente a un valore Z di circa 0,84), la dimensione del campione è stata determinata utilizzando il metodo statistico standard per confrontare due proporzioni indipendenti. Assumendo nessun effetto di cluster risultante da valutazioni multiple di casi da parte dello stesso medico, questo calcolo indica che ogni gruppo di intervento richiede almeno 353 valutazioni indipendenti.

Verifica della Potenza:

Nella configurazione effettiva di questo studio, ci sono 12 medici in totale.

Valutazioni indipendenti totali per il gruppo di controllo (senza IA) = Gruppo A (6 valutatori) x Set A (54 casi) + Gruppo B (6 valutatori) x Set B (54 casi) = 648 valutazioni indipendenti.

Valutazioni indipendenti totali per il gruppo sperimentale (con IA) anche = 648 valutazioni indipendenti.

Poiché 648 valutazioni sono maggiori del requisito base di 353 valutazioni, la configurazione attuale di casi e medici possiede già una potenza statistica sufficiente. Questa dimensione del campione fornisce un margine conservativo (circa 1,8 volte il requisito base) per tenere adeguatamente conto di qualsiasi effetto di cluster (correlazione intra-classe) risultante da valutazioni multiple di casi da parte dello stesso medico in questo disegno MRMC.