Validering av tog-AI for risikoen for gjentakelse av HCC etter levertransplantasjon (TRAIN-AI)

Levertransplantasjon (LT) er det beste behandlingsalternativet for pasienter med tidlige stadier av hepatocellulært karsinom (HCC) .1 Bruken av LT avhenger imidlertid av å opprettholde en balanse mellom risikoen for tilbakefall etter transplantasjon eller HCC-relatert død og den rettferdige fordelingen av organdonorer.2-5 Gjeldende seleksjonskriterier tar sikte på å unngå transplantasjonsfutilitet ved å ekskludere pasienter fra LT som har en høy risiko for tilbakefall av tumor. Å velge pasienter innen Milan -kriteriene har vist seg å gi utmerkede pasientresultater.6,7 Imidlertid har disse kriteriene blitt utfordret av andre serier som viser tilsvarende utfall for pasienter transplantert med en større tumorbelastning. En kombinasjon av morfologisk (dvs. tumorantall og størrelse) og biologiske trekk er nylig blitt foreslått med den hensikt å implementere pasientvalgsprosessen.8,9 Maskinlæring representerer et statistisk verktøy som kan utnytte de prognostiske evnene til mange klinisk tilgjengelige variabler. Nylig har Train-AI blitt foreslått, og en HCC-rekurator for tilbakefallsrisikoskalkulator ved bruk av maskinlæring basert på Train-AI-poengsummen er tilgjengelig.10 Vi søker å utforske generaliserbarheten til denne maskinlæringsmodellen til andre institusjoner gjennom en valideringsstudie.

Studie mål og mål:

Det primære målet med denne studien vil være å validere vår tidligere rapporterte Train-AI-poengsum ved bruk av eksterne datasett fra andre HCC-sentre.

Studiedesign og metodikk:

Valider Train-AI-modellen ved å sammenligne den med andre tilgjengelige tilbakefallsrisikoalgoritmer på et holdt ut testsett. Train-AI vil bli sammenlignet med Milan-kriterier, San Francisco-kriterier, opp-til-syv kriterier, TBS, Metroticket 2.0-score, Halt-HCC-poeng .

Studiepopulasjon Voksne (≥ 18 år) som gjennomgikk levertransplantasjon for HCC i perioden januar 2003 - desember 2018.

Inkluderingskriterier • Pasienter som gjennomgikk levertransplantasjon alene for en diagnose av HCC. Eksklusjonskriterier

• Pasienter med forresten oppdaget HCC på den eksplanterte leveren (dvs. HCC var ikke kjent før LT)

• Retransplantasjoner eller multiviscerale transplantasjoner

• Pasienter med andre svulster enn ren HCC (som kolangiokarsinom, blandet HCC-kolangiokarsinomsvulster, fibrolamellar HCC etc.)

Datainnsamling/variabler Dataene som kreves for analysen er til stede i Excel -spredningsarket som allerede er sendt til de involverte sentrene. Kolonnene i gult er obligatorisk for å beregne poengsummen.

Data/statistisk analyse:

Data fra HCC -transplantasjoner utført fra 1. januar 2003 til 31. desember 2018 vil bli bedt om fra de inviterte sentrene som vil hente dem fra postene sine, inkludert elektronisk kartgjennomgang. Den siste tillatte oppfølgingen av pasienter som er inkludert vil være 31. desember 2023, da dette er en retrospektiv studiedesign. Pasientoverlevelse vil bli beregnet fra datoen for LT til pasientdød (på grunn av enhver årsak). Hvis døden ikke forekommer, vil pasienten bli sensurert på sin siste kjente levende dato. Tidspunktet for gjentakelse vil bli beregnet fra transplantasjon til den første avbildningsstudien (eller biopsi hvis det er aktuelt) som bekreftet tilbakefall av tumor. Pasientdemografi og klinikkopatologiske egenskaper vil bli beskrevet ved bruk av beskrivende statistikk ved bruk av midler, medianer og proporsjoner, der det er aktuelt. Den nøyaktige metodikken for beregning av maskinlærings-algoritme prediksjonsmodell, samt sammenligningene med tidligere publiserte modeller, er tidligere skissert i vår utviklingskohortstudie.10 Alle statistiske analyser vil bli utført ved bruk av Python 3.10.1 (biblioteker: Pycox, Torch, Scikit-Learn og LifeLines).