肝細胞癌のためのAI支援ステージングおよび治療意思決定

1. 研究の説明

   概要：原発性肝細胞癌（HCC）の精密治療は、正確な病期分類（CNLC、TNM、BCLC）と科学的な治療意思決定に大きく依存しており、これには画像診断と臨床的ベースラインデータの統合が不可欠です。 本研究は、HCC患者と臨床医を異なる病院レベルから前向きに募集し、独自開発の人工知能（AI）モデルが多角的な総合評価と治療意思決定を支援する臨床的価値を評価します。 マルチラターマルチケース（MRMC）クロスオーバーバランスドデザインを採用し、「非支援（AIなし）」条件と「AI支援」条件における医師の臨床評価の精度を比較します。 重要な焦点は、AIが一次／二次医療機関の医師の総合評価能力を有意に向上させ、異なる施設レベル間の診断・治療の不均一性を前向きに低減できるかどうかを探ることです。

   ゴールドスタンダード（参照基準）：前向きに登録された全症例の参照基準（グラウンドトゥルース）は、3人の権威ある専門家からなる独立した専門家パネルによって確立されます。 パネルは、完全な前向き画像データ、臨床的ベースラインデータ、多職種チーム（MDT）の合意、最終的な病理学的または臨床的フォローアップ結果を組み入れ、ブラインド化された独立評価と共同討議（投票システム）を通じて、4つの分類タスクに対する最終的な標準解答を決定します。

2. 適格基準

2.1 評価者の適格基準：

1. 三次病院の上級医：三次甲等（三次）病院の肝胆膵外科、腫瘍内科、または関連診療科に勤務し、主治医以上の専門職位を有する者。
2. 三次病院の初級医：三次甲等（三次）病院の関連診療科に勤務し、研修医の専門職位を有する者。
3. 一次／二次医療機関の医師：県レベルまたは二次総合病院に勤務する臨床医。
4. インフォームドコンセント：自発的に評価への参加に同意し、インフォームドコンセント文書に署名する者。

2.2 患者／症例の適格基準：

包含基準：

1. 年齢＞18歳。
2. 前向きに疑われ、または新たに診断された原発性肝細胞癌（HCC）が、後に病理学的に確認されるか、中国肝癌（CNLC）ガイドラインを満たす患者。
3. 前向き登録期間中に取得された完全なベースライン臨床データ（完全な現病歴・既往歴、ECOG PSスコア、包括的臨床検査（肝機能、凝固機能、AFPなどの腫瘍マーカー）、ベースライン腹部造影CTを含む）を有すること。
4. 患者（またはその法的代理人）が、臨床データを本試験で使用することについて書面によるインフォームドコンセントを提供すること。

除外基準：

1. 二次性（転移性）肝癌または他の臓器の重篤な悪性腫瘍を併存する患者。
2. 必要なベースライン画像検査または臨床検査を完了できず、正確な病期計算が不可能な患者（例：Child-Pughスコアのデータ欠損）。
3. 登録前に肝癌に対する抗腫瘍治療を既に受けている患者。

3. 研究デザイン

介入モデル：クロスオーバー割り付け マスキング：シングルブラインド。 参加評価者は、症例のゴールドスタンダード解答および他の参加医師の評価結果についてブラインド化されます。

群と介入：

症例セット分割：前向きかつ連続的に登録された適格なHCC症例108例をバッチ化し、無作為にデータセットA（54例）とデータセットB（54例）に分割します。 両セット間で、腫瘍負荷、肝機能グレード、病期分布に関して統計学的に有意な差がないことを確保します。

評価者グループ分け：前向きに募集された臨床医12名を対象とし、三次病院上級医グループ4名、三次病院初級医グループ4名、一次／二次医療機関グループ4名で構成します。 層別無作為化に基づき、2つの評価グループに分けます：

グループA（評価者6名）：三次上級医2名、三次初級医2名、一次／二次医療機関医師2名。

グループB（評価者6名）：三次上級医2名、三次初級医2名、一次／二次医療機関医師2名。

群1 - グループA評価者：

第1相介入（対照）：セットA（54例）について、臨床テキストと画像データを組み合わせた独立評価を行い、4つの分類結果を記録（AI支援なし）。

第2相介入（実験）：セットB（54例）を評価。 システムはAIモデルの4つの予測結果と関連エビデンスを提示し、医師は総合的に参照した後に最終判断を提供。

群2 - グループB評価者：

第1相介入（対照）：セットB（54例）について、臨床テキストと画像データを組み合わせた独立評価を行い、4つの分類結果を記録（AI支援なし）。

第2相介入（実験）：セットA（54例）を評価。 医師はAIモデルの結果を参照した後に最終判断を提供。

4. 評価項目

主要評価項目：

総合精度の向上：AI支援評価（実験群）と独立評価（対照群）の間における、4つの分類タスク全体の平均精度の差。

副次評価項目：

均質化効果：AI支援下において、一次／二次医療機関グループの医師と三次病院グループの医師の間の臨床評価精度の差が有意に減少するかどうかの評価。

評価効率：AI支援の有無による、医師の症例あたり平均評価時間の比較。

評価者間一致度：AI支援の有無による、医師間の評価結果の一致度（例：カッパ統計量の使用）の比較。

5. 統計解析計画とサンプルサイズ

サンプルサイズの根拠：

本研究のサンプルサイズ計算は、前向きに募集された全レベルの医師における総合平均精度の予想変化に基づいています。 AI支援なしの総合平均精度は0.60、AI支援ありでは0.70と推定されます。

両側検定の有意水準を0.05（対応するZ値は約1.96）、統計的検出力を0.80（対応するZ値は約0.84）に設定し、2つの独立した割合を比較する標準的な統計手法を用いてサンプルサイズを決定しました。 同一医師による複数症例評価から生じるクラスタリング効果がないと仮定すると、この計算により、各介入群には少なくとも353の独立評価が必要であることが示されます。

検出力の検証：

本研究の実際の構成では、医師は合計12名です。

対照群（AIなし）の総独立評価数＝グループA（評価者6名）×セットA（54例）＋グループB（評価者6名）×セットB（54例）＝648独立評価。

実験群（AIあり）の総独立評価数も同様に＝648独立評価。

648評価は必要な基準353評価を上回るため、現在の症例と医師の構成は既に十分な統計的検出力を有しています。 このサンプルサイズは、このMRMCデザインにおいて同一医師による複数症例評価から生じるクラスタリング効果（級内相関）を適切に考慮するために、保守的な余裕（基準要件の約1.8倍）を提供します。