Walidacja pociągu-AI w celu ryzyka nawrotu HCC po przeszczepie wątroby (TRAIN-AI)

Przeszczep wątroby (LT) jest najlepszą opcją leczenia dla pacjentów z wczesnymi stadiami raka wątrobowokomórkowego (HCC) .1 Jednak zastosowanie LT zależy od utrzymania równowagi między ryzykiem nawrotu po przeszczepie lub śmiercią związaną z HCC a sprawiedliwym rozmieszczeniem dawców narządów. 2-5 Obecne kryteria selekcji mają na celu uniknięcie daremności przeszczepu poprzez wykluczenie pacjentów z LT, którzy mają wysokie ryzyko nawrotu nowotworu. Wybór pacjentów w kryteriach Mediolanu wykazano, że zapewnia doskonałe wyniki pacjentów. 6,7 Jednak kryteria te zostały zakwestionowane przez inne serie pokazujące równoważne wyniki u pacjentów przeszczepionych z większym obciążeniem guza. Niedawno zaproponowano kombinację morfologicznej (tj. Liczby i wielkości guza) i cech biologicznych z zamiarem wdrożenia procesu selekcji pacjentów. 8,9 Uczenie maszynowe stanowi narzędzie statystyczne, które może wykorzystać zdolności prognostyczne wielu klinicznie dostępnych zmiennych. Niedawno zaproponowano pociąg-AI, a dostępny jest kalkulator ryzyka ponownego przenoszenia HCC po przeszczepie za pomocą uczenia maszynowego w oparciu o wynik Train-AI.10 Staramy się zbadać uogólnienie tego modelu uczenia maszynowego dla innych instytucji poprzez badanie walidacji.

Badanie celów i cel:

Głównym celem tego badania będzie potwierdzenie naszego wcześniej zgłoszonego wyniku Train-AI za pomocą zewnętrznych zestawów danych z innych centrów HCC.

Projektowanie i metodologia badań:

Sprawdź model pociągu-AI, porównując go z innymi dostępnymi algorytmami ryzyka nawrotu w ustawionym zestawie testowym. Train-AI zostanie porównywany z kryteriami Milana, kryteriami San Francisco, aktualnymi kryteriami, TBS, Metroticket 2.0 Score, HATT-HCC, modelem AFP-FRENCH, roli 5-5-500, wynikiem NYCA i wynikiem pociągu i wynikiem pociągu .

Badana populacja dorośli (≥ 18 lat), którzy przeszli przeszczep wątroby dla HCC w okresie od stycznia 2003 r. - grudzień 2018 r.

Kryteria włączenia • Pacjenci, którzy poddali się przeszczepowi wątroby w celu rozpoznania HCC. Kryteria wykluczenia

• Pacjenci z przypadkowo odkrytym HCC na eksplantowanej wątrobie (tj. HCC nie był znany przed LT)

• Retransplantacje lub przeszczepy wielokrotne

• Pacjenci z guzami innymi niż czysty HCC (taki jak cholangiokarcinoma, mieszane guzy HCC-Cholangiocaroma, Fibrolamellar HCC itp.)

Zbieranie danych/zmienne Dane wymagane do analizy są obecne w arkuszu kalkulacyjnym Excel już wysyłane do zaangażowanych centrów. Kolumny w kolorze żółtym są obowiązkowe do obliczenia wyniku.

Analiza danych/statystyczna:

Dane z przeszczepów HCC przeprowadzone od 1 stycznia 2003 r. Do 31 grudnia 2018 r. Zostaną poproszone z zaproszonych centrów, które otrzymają je z rejestrów, w tym przeglądu wykresów elektronicznych. Ostatni dozwolony obserwacja uwzględnionych pacjentów to 31 grudnia 2023 r., Ponieważ jest to retrospektywny projekt badania. Przeżycie pacjentów zostanie obliczone od daty LT na śmierć pacjenta (z jakiejkolwiek przyczyny). Jeśli śmierć nie nastąpi, pacjent zostanie ocenzurowany w ostatnim znanym życiu. Czas do nawrotu zostanie obliczony na podstawie przeszczepu do pierwszego badania obrazowania (lub w razie potrzeby biopsji), które potwierdziły nawrót guza. Dane demograficzne pacjentów i cechy kliniczno -patologiczne zostaną opisane przy użyciu statystyk opisowych przy użyciu środków, median i proporcji, w stosownych przypadkach. Dokładna metodologia obliczania modelu prognostycznego uczenia maszynowego, a także porównania z wcześniej opublikowanymi modelami, została wcześniej opisana w naszym badaniu kohortowym. 10 Wszystkie analizy statystyczne zostaną przeprowadzone przy użyciu Python 3.10.1 (biblioteki: Pycox, Torch, Scikit-Leearn i LifeLines).