AI-assistert stadieinndeling og behandlingsbeslutning for hepatocellulært karsinom

1. Studiebeskrivelse

   Kort oppsummering: Den presise behandlingen av primær hepatocellulær karsinom (HCC) avhenger i stor grad av nøyaktig sykdomsstadieinndeling (CNLC, TNM, BCLC) og vitenskapelig behandlingsbeslutningstaking, noe som krever integrering av både bilde- og kliniske utgangsdata.
   Denne studien rekrutterer prospektivt HCC-pasienter og kliniske leger på ulike sykehusnivåer for å vurdere den kliniske verdien av en selvutviklet kunstig intelligens (AI)-modell i å bistå med flerdimensjonal helhetsvurdering og behandlingsbeslutningstaking.
   Ved å bruke en Multi-Rater Multi-Case (MRMC) kryssbalansert design sammenligner studien nøyaktigheten av kliniske vurderinger utført av leger under "uten assistanse (uten AI)" kontra "AI-assistert" betingelser.
   Et sentralt fokus er å undersøke om AI kan betydelig forbedre legers helhetsvurderingsevner i primær-/sekundærsykehus, og dermed prospektivt redusere diagnostisk og terapeutisk heterogenitet på tvers av ulike institusjonsnivåer.

   Gullstandard (Referansestandard): Referansestandarden (Ground Truth) for alle prospektivt inkluderte tilfeller fastsettes av et uavhengig ekspertpanel bestående av 3 autoritative eksperter.
   Panelet fastsetter de endelige standardbesvarelsene for de fire klassifiseringsoppgavene gjennom blindet uavhengig vurdering og felles diskusjon (avstemningssystem), og inkorporerer komplette prospektive bildedata, kliniske utgangsdata, multidisciplinært team (MDT)-konsensus og endelige patologiske eller kliniske oppfølgingsresultater.

2. Inklusjonskriterier

2.1 Vurdererens inklusjonskriterier:

1. Overleger i tersiære sykehus: Ansatt ved avdeling for hepato-pankreato-biliær kirurgi, onkologi eller beslektede avdelinger i klasse III grad A (tersiære) sykehus, med yrkestittelen overlege eller høyere.
2. Yngre leger i tersiære sykehus: Ansatt ved beslektede avdelinger i klasse III grad A (tersiære) sykehus, med yrkestittelen turnuslege.
3. Leger i primær-/sekundærsykehus: Kliniske leger ansatt i fylkes- eller klasse II generelle sykehus.
4. Informert samtykke: Må frivillig samtykke til å delta i vurderingen og signere det informerte samtykkeskjemaet.

2.2 Pasient-/tilfeldsinklusionskriterier:

Inklusjonskriterier:

1. Alder > 18 år.
2. Pasienter som prospektivt presenterer med mistenkt eller nyoppdaget primær hepatocellulær karsinom (HCC) senere bekreftet av patologi eller som oppfyller Kinas leverkreft (CNLC)-retningslinjer.
3. Komplette kliniske utgangsdata innhentet i løpet av den prospektive inkluderingsperioden, inkludert komplett historie for nåværende/tidligere sykdom, ECOG PS-skår, omfattende laboratorietester (leverfunksjon, koagulering, tumormarkører som AFP, etc.), og utgangs kontrastforsterket CT av abdomen.
4. Pasienter (eller deres juridiske representanter) må gi skriftlig informert samtykke for at deres kliniske data kan brukes i denne studien.

Eksklusjonskriterier:

1. Pasienter med sekundær (metastatisk) leverkreft eller samtidige alvorlige maligniteter i andre systemer.
2. Pasienter som ikke fullfører nødvendige utgangsbildediagnostikk eller laboratorietester, noe som forhindrer nøyaktig stadieberegning (f.eks. manglende data for Child-Pugh-skår).
3. Pasienter som tidligere har mottatt anti-tumorterapier for leverkreft før inkludering.

3. Studiedesign

Intervensjonsmodell: Kryssfordeling Maskering: Enkeltblind.
Deltakende vurderere er blindet for gullstandardbesvarelsene til tilfellene og for vurderingsresultatene til andre deltakende leger.

Armer og intervensjoner:

Tilfeldsmengdeinndeling: 108 prospektivt og fortløpende inkluderte kvalifiserte HCC-tilfeller blir batchinndelt og tilfeldig delt inn i Dataset A (54 tilfeller) og Dataset B (54 tilfeller).
Det sikres at det ikke er statistisk signifikante forskjeller mellom de to settene med hensyn til tumorbelastning, leverfunksjonsgradering og stadiefordeling.

Vurderergruppering: Totalt 12 prospektivt rekrutterte kliniske leger inkluderes, bestående av 4 i tersiært sykehus seniorgruppe, 4 i tersiært sykehus juniorgruppe og 4 i primær-/sekundærsykehusgruppen.
De deles inn i to vurderingsgrupper basert på stratifisert randomisering:

Gruppe A (6 vurderere): 2 tersiære senior, 2 tersiære junior, 2 primær-/sekundærsykehus.

Gruppe B (6 vurderere): 2 tersiære senior, 2 tersiære junior, 2 primær-/sekundærsykehus.

Arm 1 - Gruppe A Vurderere:

Fase 1 Intervensjon (Kontroll): Uavhengig vurdering av Sett A (54 tilfeller) som kombinerer kliniske tekster og bildedata, registrering av 4 klassifiseringsresultater, uten AI-assistanse.

Fase 2 Intervensjon (Eksperimentell): Vurdering av Sett B (54 tilfeller).
Systemet presenterer AI-modellens 4 prediksjonsresultater og relatert dokumentasjon; leger gir den endelige avgjørelsen etter omfattende referanse.

Arm 2 - Gruppe B Vurderere:

Fase 1 Intervensjon (Kontroll): Uavhengig vurdering av Sett B (54 tilfeller) som kombinerer kliniske tekster og bildedata, registrering av 4 klassifiseringsresultater, uten AI-assistanse.

Fase 2 Intervensjon (Eksperimentell): Vurdering av Sett A (54 tilfeller).
Leger gir den endelige avgjørelsen etter referanse til AI-modellens resultater.

4. Utfallsmål

Primært utfall:

Forbedring i total nøyaktighet: Forskjellen i gjennomsnittlig nøyaktighet på tvers av de 4 klassifiseringsoppgavene mellom AI-assistert vurdering (eksperimentell gruppe) og uavhengig vurdering (kontrollgruppe).

Sekundære utfall:

Homogeniseringsvirkning: Vurdering av om forskjellen i klinisk vurderingsnøyaktighet mellom leger i primær-/sekundærsykehusgruppen og tersiære sykehusgrupper blir signifikant redusert under AI-assistanse.

Vurderingseffektivitet: Sammenligning av gjennomsnittlig vurderingstid per tilfelle mellom leger med og uten AI-assistanse.

Intervurdererenighet: Sammenligning av konsistensen i vurderingsresultater blant leger (f.eks. ved bruk av Kappa-statistikk), med og uten AI-assistanse.

5. Statistisk analyseplan & utvalgsstørrelse

Begrunnelse for utvalgsstørrelse:

Utvalgsstørrelseberegningen for denne studien er basert på den forventede endringen i den totale gjennomsnittlige nøyaktigheten på tvers av alle nivåer av prospektivt rekrutterte leger.
Det estimeres at den totale gjennomsnittlige nøyaktigheten uten AI-assistanse er 0,60, og med AI-assistanse er 0,70.

Ved å sette signifikansnivået for en tosidig test til 0,05 (tilsvarende en Z-verdi på omtrent 1,96) og den statistiske styrken til 0,80 (tilsvarende en Z-verdi på omtrent 0,84), ble utvalgsstørrelsen bestemt ved bruk av standard statistisk metode for sammenligning av to uavhengige proporsjoner.
Forutsatt ingen klyngeeffekt som følge av flere tilfeldsvurderinger av samme lege, indikerer denne beregningen at hver intervensjonsgruppe krever minst 353 uavhengige vurderinger.

Styrke verifisering:

I den faktiske konfigurasjonen av denne studien er det totalt 12 leger.

Totalt antall uavhengige vurderinger for kontrollgruppen (uten AI) = Gruppe A (6 vurderere) x Sett A (54 tilfeller) + Gruppe B (6 vurderere) x Sett B (54 tilfeller) = 648 uavhengige vurderinger.

Totalt antall uavhengige vurderinger for eksperimentell gruppe (med AI) også = 648 uavhengige vurderinger.

Siden 648 vurderinger er større enn det nødvendige grunnlaget på 353 vurderinger, har den nåværende konfigurasjonen av tilfeller og leger allerede tilstrekkelig statistisk styrke.
Denne utvalgsstørrelsen gir en konservativ margin (omtrent 1,8 ganger grunnkravet) for å tilstrekkelig ta hensyn til eventuelle klyngeeffekter (intraklassekorrelasjon) som følge av flere tilfeldsvurderinger av samme lege i dette MRMC-designet.