Evaluering av en maskinlæringsbasert prediksjonsstrategi for ekstrahepatisk metastase ved hepatocellulært karsinom

Bakgrunn og rasjonalitet

Hepatocellulært karsinom (HCC) er forbundet med en betydelig risiko for postoperativ tilbakefall og ekstrahepatisk metastase, som kan påvirke prognosen og behandlingsmulighetene betydelig. Tidlig identifikasjon av pasienter med høy risiko for ekstrahepatisk metastase kan støtte mer hensiktsmessig overvåkingsintensitet, tidligere multidisciplinær vurdering og mer rettidig behandlingsplanlegging. Imidlertid er risikostratifiserte postoperative overvåkningsstrategier for ekstrahepatisk metastase ikke godt etablert i rutinemessig klinisk praksis.

Forskerne har tidligere utviklet maskinlæringsbaserte risikostratifiseringsmodeller for ekstrahepatisk metastase i retrospektive multispesialitetskohorter, med spesielt fokus på lunge- og beinmetastase. Denne studien er designet for å prospektivt validere disse modellene og evaluere deres potensielle verdi i virkelig klinisk arbeidsflyt og beslutningstaking.

Studiemål Primært mål

Å prospektivt validere ytelsen til forhåndsspesifiserte maskinlæringsbaserte risikostratifiseringsmodeller for postoperativ ekstrahepatisk metastaserisiko ved HCC (spesielt lunge- og beinmetastase), inkludert diskriminering og kalibrering i en multispesialitets virkelighetsbasert setting.

Sekundære mål

Å evaluere risikostratifiseringsytelse på tvers av klinisk relevante undergrupper og deltakende sentre. Å vurdere implementeringsrelaterte utfall i rutinepraksis, inkludert modelladopsjon og klinisk beslutningspåvirkning. Å evaluere om modellinformert risikostratifisering er forbundet med endringer i postoperative overvåkningsmønstre, henvisningsbaner og tidsplan for multidisciplinær vurdering. Å utforske kliniske utfallssignaler (for eksempel tid-til-hendelse-utfall og klinisk handlingsbare deteksjonsvindu-relaterte utfall) forbundet med modellinformert risikostratifisering. Å utforske ressursutnyttelse og helseøkonomiske implikasjoner av modellinformert postoperativ behandling i virkelige settinger.

Studiedesign

Dette er en multispesialitets, prospektiv, observasjonskohortstudie. Deltakere rekrutteres og følges i henhold til rutinemessig klinisk omsorg ved deltakende sykehus. Denne studien innebærer ikke randomisering, pålagt intervensjontildeling eller protokollstyrt behandlingstildeling. Studien er ment å validere og evaluere et risikostratifiseringsverktøy og dets virkelige implementering, snarere enn å teste en intervensjonsbehandling.

Risikomodellene, variablene og det forhåndsspesifiserte risikostratifiseringsrammeverket ble utviklet før oppstart av prospektiv rekruttering. Prospektiv datainnsamling brukes til å evaluere modelltransportabilitet, kalibrering, klinisk nytte og implementeringsegenskaper i uavhengige virkelighetsbaserte kohorter.

Studiepopulasjon

Kvalifiserte deltakere er voksne med hepatocellulært karsinom som har gjennomgått kurativ intensjon behandling og går inn i postoperativ oppfølging. Detaljerte inklusjons- og eksklusjonskriterier er gitt i protokollen og inkluderer tilgjengelighet av nødvendige basislinje kliniske variabler og oppfølgningsinformasjon for utfallsvurdering.

Studieprosedyrer og datainnsamling

Data samles inn prospektivt under rutinemessig omsorg og kan inkludere:

Basislinje demografiske og kliniske egenskaper; Tumorrelaterte og behandlingsrelaterte variabler; Oppfølgingsbildediagnostikk og laboratorieovervåkingsinformasjon; Forekomst og tidsplan for ekstrahepatisk metastase (spesielt lunge- og beinmetastase)

Tilbakefall og overlevelsesrelaterte utfall, der tilgjengelig

Kliniske behandlingsbeslutninger (for eksempel overvåkingsintensitet, henvisninger, multidisciplinær teamdiskusjon og behandlingsplanlegging)

Implementeringsmålinger (for eksempel modellbruk/adopsjon og beslutningspåvirkningsdokumentasjon, der tilgjengelig)

Ressursutnyttelsesvariabler for utforskende økonomiske analyser, der tilgjengelig

Ingen studiepålagt behandling tildeles. Kliniske beslutninger forblir under ansvaret til behandlende leger.

Utfall og analytisk rammeverk

Studien vil evaluere modellytelse ved bruk av forhåndsspesifiserte statistiske metoder, som kan inkludere mål på diskriminering, kalibrering og klinisk nytte for tid-til-hendelse-utfall. Analyser kan også vurdere senternivå heterogenitet, tidsmessig ytelse og modelloppdatering/rekalibreringsstrategier der hensiktsmessig.

Implementering og klinisk nytteanalyser kan inkludere evaluering av:

Adopsjon og bruk av risikostratifiseringsverktøyet

Endringer i overvåkingsintensitet eller oppfølgingsbaner forbundet med risikostratur

Beslutningspåvirkning på henvisning og behandlingsplanlegging

Utforskende assosiasjoner med klinisk meningsfulle utfall og ressursbruk

Eventuelle analyser ment å etterligne hypotetiske behandlingsstrategier (for eksempel målstudieemuleringsbaserte analyser) vil tydelig rapporteres som observasjonelle og estimerte/hypotetiske, og vil ikke tolkes som randomiserte behandlingseffekter.

Studiebetydning

Denne studien forventes å gi prospektiv multispesialitets bevis på gyldigheten og virkelig klinisk nytte av maskinlæringsbasert risikostratifisering for ekstrahepatisk metastase ved HCC. Resultatene kan informere postoperativ overvåkingsoptimalisering, risikotilpassede behandlingsbaner og fremtidig implementeringsforskning.