AI 보조 간세포암 병기 결정 및 치료 의사 결정

1. 연구 설명

   간략한 요약: 원발성 간세포암종(HCC)의 정밀 치료는 정확한 질병 병기 결정(CNLC, TNM, BCLC)과 과학적 치료 의사 결정에 크게 의존하며, 이는 영상 및 임상 기초 자료의 통합을 필요로 합니다. 본 연구는 전향적으로 HCC 환자와 다양한 병원 등급의 임상 의사를 모집하여 자체 개발한 인공지능(AI) 모델이 다차원 종합 평가 및 치료 의사 결정 지원에 있어 가지는 임상적 가치를 평가합니다. 다중 평가자-다중 사례(MRMC) 교차 균형 설계를 활용하여, 본 연구는 '비지원(인공지능 없음)' 조건과 'AI 지원' 조건 하에서 의사들이 수행한 임상 평가의 정확성을 비교합니다. 주요 초점은 AI가 1차/2차 진료 병원 의사들의 종합 평가 능력을 유의미하게 향상시킬 수 있는지 탐구하여, 전향적으로 서로 다른 기관 수준 간의 진단 및 치료 이질성을 감소시킬 수 있는 가능성을 모색하는 것입니다.

   금 표준(참조 표준): 전향적으로 등록된 모든 사례에 대한 참조 표준(진실 기준)은 3명의 권위 있는 전문가로 구성된 독립 전문가 패널에 의해 확립됩니다. 패널은 완전한 전향적 영상 자료, 임상 기초 자료, 다학제 팀(MDT) 합의, 최종 병리학적 또는 임상 추적 관찰 결과를 종합하여, 네 가지 분류 과제에 대한 최종 표준 답변을 블라인드 독립 평가 및 합동 논의(투표 시스템)를 통해 결정합니다.

2. 적격 기준

2.1 평가자 적격 기준:

1. 3차 병원 고년차 의사: 3차 상급 종합 병원(Class III Grade A)의 간담췌외과, 종양내과 또는 관련 부서에 근무하며, 전문직 등급이 전문의 또는 그 이상인 자.
2. 3차 병원 저년차 의사: 3차 상급 종합 병원(Class III Grade A)의 관련 부서에 근무하며, 전문직 등급이 전공의인 자.
3. 1차/2차 진료 병원 의사: 군(郡)급 병원 또는 2차 종합 병원에 근무하는 임상 의사.
4. 사전 동의: 평가 참여에 자발적으로 동의하고 사전 동의서에 서명해야 함.

2.2 환자/사례 적격 기준:

포함 기준:

1. 나이 > 18세.
2. 전향적으로 의심되거나 새롭게 진단된 원발성 간세포암종(HCC)으로, 이후 병리학적으로 확인되거나 중국 간암(CNLC) 가이드라인을 충족하는 환자.
3. 전향적 등록 기간 동안 획득한 완전한 기초 임상 자료(완전한 현병력/과거력, ECOG PS 점수, 포괄적 검사실 검사(간 기능, 응고, AFP 등의 종양 표지자), 기초 복부 조영증강 CT)를 보유한 환자.
4. 환자(또는 법적 대리인)는 본 임상시험에서 그들의 임상 자료 사용에 대한 서면 사전 동의를 제공해야 함.

제외 기준:

1. 이차성(전이성) 간암 또는 다른 계통의 중증 악성 종양을 동반한 환자.
2. 필수 기초 영상 또는 검사실 검사를 완료하지 못하여 정확한 병기 계산이 불가능한 환자(예: Child-Pugh 점수에 필요한 데이터 누락).
3. 등록 전에 간암에 대한 항종양 치료를 이전에 받은 적이 있는 환자.

3. 연구 설계

중재 모델: 교차 할당 마스킹: 단일 맹검. 참여 평가자들은 사례의 금 표준 답변과 다른 참여 의사들의 평가 결과에 대해 맹검 처리됩니다.

군 및 중재:

사례 세트 분할: 전향적이고 연속적으로 등록된 적격 HCC 사례 108건을 일괄 처리하여 무작위로 데이터 세트 A(54건)와 데이터 세트 B(54건)로 나눕니다. 두 세트 간에 종양 부담, 간 기능 등급 및 병기 분포에 있어 통계적으로 유의미한 차이가 없도록 보장합니다.

평가자 그룹화: 총 12명의 전향적으로 모집된 임상 의사가 포함되며, 3차 병원 고년차 그룹 4명, 3차 병원 저년차 그룹 4명, 1차/2차 병원 그룹 4명으로 구성됩니다. 층화 무작위 배정을 기반으로 두 평가 그룹으로 나뉩니다:

그룹 A(평가자 6명): 3차 고년차 2명, 3차 저년차 2명, 1차/2차 병원 2명.

그룹 B(평가자 6명): 3차 고년차 2명, 3차 저년차 2명, 1차/2차 병원 2명.

군 1 - 그룹 A 평가자:

1단계 중재(대조군): AI 지원 없이 임상 텍스트와 영상 데이터를 결합하여 세트 A(54건)를 독립적으로 평가하고, 4가지 분류 결과를 기록합니다.

2단계 중재(실험군): 세트 B(54건)를 평가합니다. 시스템이 AI 모델의 4가지 예측 결과와 관련 증거를 제시하며, 의사는 종합적 참고 후 최종 판단을 제공합니다.

군 2 - 그룹 B 평가자:

1단계 중재(대조군): AI 지원 없이 임상 텍스트와 영상 데이터를 결합하여 세트 B(54건)를 독립적으로 평가하고, 4가지 분류 결과를 기록합니다.

2단계 중재(실험군): 세트 A(54건)를 평가합니다. 의사는 AI 모델의 결과를 참고한 후 최종 판단을 제공합니다.

4. 결과 측정 항목

주요 결과:

전체 정확도 향상: AI 지원 평가(실험군)와 독립 평가(대조군) 간의 4가지 분류 과제에 대한 평균 정확도 차이.

부차적 결과:

균질화 효과: AI 지원 하에서 1차/2차 병원 그룹 의사들과 3차 병원 그룹 의사들 간의 임상 평가 정확도 차이가 유의미하게 감소하는지 평가.

평가 효율성: AI 지원 유무에 따른 의사의 사례당 평균 평가 시간 비교.

평가자 간 일치도: AI 지원 유무에 따른 의사들 간 평가 결과의 일관성(예: 카파 통계 사용) 비교.

5. 통계 분석 계획 및 표본 크기

표본 크기 근거:

본 연구의 표본 크기 계산은 전향적으로 모집된 모든 수준의 의사들에 대한 전체 평균 정확도의 예상 변화를 기반으로 합니다. AI 지원 없이 전체 평균 정확도는 0.60, AI 지원 시 0.70으로 추정됩니다.

양측 검정의 유의 수준을 0.05(대략 Z-값 1.96에 해당)로, 통계적 검정력을 0.80(대략 Z-값 0.84에 해당)으로 설정하고, 두 독립 비율 비교를 위한 표준 통계 방법을 사용하여 표본 크기를 결정했습니다. 동일한 의사에 의한 다중 사례 평가로 인한 군집 효과가 없다고 가정할 때, 이 계산은 각 중재군에 최소 353건의 독립 평가가 필요함을 나타냅니다.

검정력 검증:

본 연구의 실제 구성에서는 총 12명의 의사가 포함됩니다.

대조군(AI 없음)의 총 독립 평가 수 = 그룹 A(평가자 6명) x 세트 A(54건) + 그룹 B(평가자 6명) x 세트 B(54건) = 648건의 독립 평가.

실험군(AI 있음)의 총 독립 평가 수도 = 648건의 독립 평가.

648건의 평가가 요구되는 기준 353건보다 크기 때문에, 현재의 사례 및 의사 구성은 이미 충분한 통계적 검정력을 보유하고 있습니다. 이 표본 크기는 본 MRMC 설계에서 동일한 의사에 의한 다중 사례 평가로 인해 발생할 수 있는 군집 효과(급내 상관관계)를 적절히 고려하기 위해 보수적인 여유(기준 요구량의 약 1.8배)를 제공합니다.