간 이식 후 HCC 재발의 위험에 대한 Train-AI의 검증 (TRAIN-AI)

간 이식 (LT)은 간세포 암종 (HCC)의 초기 단계를 가진 환자에게 가장 적합한 치료 옵션입니다 .1. 그러나 LT의 사용은 이식 후 재발 또는 HCC 관련 사망의 위험과 장기 공여자의 공평한 분포 사이의 균형을 유지하는 데 달려 있습니다 .2-5 현재 선택 기준은 종양 재발의 위험이 높은 LT에서 환자를 배제함으로써 이식의 무익을 피하는 것을 목표로합니다. 밀라노 기준 내에서 환자를 선택하는 것은 우수한 환자 결과를 제공하는 것으로 나타났습니다 .6,7 그러나, 이러한 기준은 더 큰 종양 부담으로 이식 된 환자에 대한 동등한 결과를 보여주는 다른 시리즈에 의해 도전되었다. 환자 선택 과정을 구현하려는 의도로 최근 형태 학적 (즉, 종양 수 및 크기)과 생물학적 특징의 조합이 제안되었습니다 .8,9 기계 학습은 임상 적으로 이용 가능한 많은 변수의 예후 능력을 활용할 수있는 통계 도구를 나타냅니다. 최근에 Train-AI가 제안되었으며 Train-IA 점수를 기반으로 한 기계 학습을 사용한 이식 후 HCC 재발 위험 계산기가 가능합니다 .10 우리는 검증 연구를 통해이 기계 학습 모델의 일반화 가능성을 다른 기관에 탐구하고자합니다.

연구 목표와 객관적인 :

이 연구의 주요 목표는 다른 HCC 센터의 외부 데이터 세트를 사용하여 이전에보고 된 Train-AI 점수를 검증하는 것입니다.

연구 설계 및 방법론 :

Train-AI 모델을 보류 테스트 세트의 다른 사용 가능한 재발 위험 알고리즘과 비교하여 검증하십시오. Train-AI는 밀라노 기준, 샌프란시스코 기준, 최신 기준, TBS, Metroticket 2.0 점수, HALT-HCC 점수, AFP-FRENCH 모델, 5-5-500 역할, NYCA 점수 및 열차 점수와 비교됩니다. .

2003 년 1 월 -12 월 기간 동안 HCC에 대한 간 이식을받은 인구 성인 (18 세 이상).

포함 기준 • HCC 진단을 위해 간 이식 단독을 겪은 환자. 제외 기준

• 외식 간에서 우발적으로 HCC를 발견 한 환자 (즉, HCC는 LT 이전에 알려지지 않았습니다)

• 후장 또는 다중 수분 이식

• 순수한 HCC 이외의 종양을 가진 환자 (예 : 담관암, 혼합 HCC- 콜랑 지오 암종 종양, 섬유 롤라 멜라 HCC 등).

데이터 수집/변수 분석에 필요한 데이터는 이미 관련 센터로 전송 된 Excel 스프레드 시트에 있습니다. 노란색 열은 점수를 계산하는 데 의무적입니다.

데이터/통계 분석 :

2018 년 1 월 1 일부터 12 월 31 일까지 수행 된 HCC 이식 데이터는 전자 차트 검토를 포함한 기록에서이를 입수 할 초대 된 센터에서 요청됩니다. 포함 된 환자의 마지막으로 허용 된 후속 조치는 2023 년 12 월 31 일입니다. 이는 회고 적 연구 설계이기 때문입니다. 환자 생존은 LT 날짜부터 환자 사망으로 계산됩니다 (원인으로 인해). 사망이 발생하지 않으면 환자는 마지막으로 알려진 살아있는 날짜에 검열됩니다. 재발 시간은 이식에서 종양 재발을 확인한 첫 번째 이미징 연구 (또는 적절한 경우 생검)로 계산됩니다. 환자 인구 통계 및 임상 병리학 적 특성은 적절한 경우 평균, 중앙값 및 비율을 사용하여 설명 통계를 사용하여 설명됩니다. 머신 러닝-고정 예측 모델의 계산과 이전에 발표 된 모델과의 비교를위한 정확한 방법론은 개발 코호트 연구에 이전에 요약되었다 .10. 모든 통계 분석은 Python 3.10.1 (라이브러리 : Pycox, Torch, Scikit-Learn 및 LifeLines)을 사용하여 수행됩니다.