Estadiamento Assistido por IA e Tomada de Decisão Terapêutica para Carcinoma Hepatocelular

1. Descrição do Estudo

   Resumo Breve: O tratamento preciso do carcinoma hepatocelular primário (CHC) depende fortemente de uma estadificação precisa da doença (CNLC, TNM, BCLC) e de uma tomada de decisão terapêutica científica, o que exige a integração de dados de imagem e dados clínicos basais. Este estudo recruta prospectivamente doentes com CHC e médicos clínicos de diferentes níveis hospitalares para avaliar o valor clínico de um modelo de inteligência artificial (IA) auto-desenvolvido na assistência à avaliação multidimensional abrangente e à tomada de decisão terapêutica. Utilizando um desenho cruzado equilibrado Multi-Avaliador Multi-Caso (MRMC), o estudo compara a precisão das avaliações clínicas realizadas por médicos em condições "sem assistência (sem IA)" versus "com assistência de IA". Um foco principal é explorar se a IA pode melhorar significativamente as capacidades de avaliação abrangente dos médicos em hospitais de cuidados primários/secundários, reduzindo assim prospectivamente a heterogeneidade diagnóstica e terapêutica entre diferentes níveis institucionais.

   Padrão de Ouro (Padrão de Referência): O padrão de referência (Verdade Terreno) para todos os casos inscritos prospectivamente é estabelecido por um painel de peritos independente constituído por 3 especialistas autorizados. O painel determina as respostas padrão finais para as quatro tarefas de classificação através de avaliação independente cega e discussão conjunta (sistema de votação), incorporando dados de imagem prospectivos completos, dados clínicos basais, consenso da equipa multidisciplinar (EMD) e resultados patológicos finais ou de seguimento clínico.

2. Critérios de Elegibilidade

2.1 Elegibilidade do Avaliador:

1. Médicos Seniores em Hospitais Terciários: Empregados no departamento de cirurgia hepato-pancreato-biliar, oncologia ou departamentos relacionados em hospitais de Classe III Grau A (terciários), com o título profissional de médico assistente ou superior.
2. Médicos Júniores em Hospitais Terciários: Empregados em departamentos relacionados em hospitais de Classe III Grau A (terciários), com o título profissional de médico interno.
3. Médicos em Hospitais de Cuidados Primários/Secundários: Médicos clínicos empregados em hospitais gerais de nível distrital ou de Classe II.
4. Consentimento Informado: Devem concordar voluntariamente em participar na avaliação e assinar o formulário de consentimento informado.

2.2 Elegibilidade do Doente/Caso:

Critérios de Inclusão:

1. Idade > 18 anos.
2. Doentes que se apresentam prospectivamente com suspeita ou diagnóstico recente de carcinoma hepatocelular primário (CHC), posteriormente confirmado por patologia ou que cumprem as diretrizes China Liver Cancer (CNLC).
3. Dados clínicos basais completos adquiridos durante o período de inscrição prospectiva, incluindo historial completo da doença atual/pretérita, pontuação ECOG PS, testes laboratoriais abrangentes (função hepática, coagulação, marcadores tumorais como AFP, etc.) e TAC abdominal com contraste basal.
4. Os doentes (ou seus representantes legais) devem fornecer consentimento informado por escrito para que os seus dados clínicos sejam utilizados neste ensaio.

Critérios de Exclusão:

1. Doentes com cancro do fígado secundário (metastático) ou com neoplasias malignas graves concomitantes de outros sistemas.
2. Doentes que não completam os exames de imagem ou laboratoriais basais necessários, impedindo o cálculo preciso da estadificação (por exemplo, dados em falta para a pontuação de Child-Pugh).
3. Doentes que receberam previamente terapias antitumorais para cancro do fígado antes da inscrição.

3. Desenho do Estudo

Modelo de Intervenção: Atribuição Cruzada Mascaramento: Simples Cego. Os avaliadores participantes estão cegos para as respostas padrão de ouro dos casos e para os resultados da avaliação de outros médicos participantes.

Braços e Intervenções:

Partição do Conjunto de Casos: 108 casos elegíveis de CHC inscritos prospectiva e consecutivamente são agrupados e divididos aleatoriamente no Conjunto de Dados A (54 casos) e Conjunto de Dados B (54 casos). É assegurado que não existem diferenças estatisticamente significativas entre os dois conjuntos no que diz respeito à carga tumoral, classificação da função hepática e distribuição da estadificação.

Agrupamento dos Avaliadores: Um total de 12 médicos clínicos recrutados prospectivamente são incluídos, compreendendo 4 no grupo sénior do hospital terciário, 4 no grupo júnior do hospital terciário e 4 no grupo de hospitais primários/secundários. São divididos em dois grupos de avaliação com base na randomização estratificada:

Grupo A (6 avaliadores): 2 terciários seniores, 2 terciários juniores, 2 hospitais primários/secundários.

Grupo B (6 avaliadores): 2 terciários seniores, 2 terciários juniores, 2 hospitais primários/secundários.

Braço 1 - Avaliadores do Grupo A:

Fase 1 Intervenção (Controlo): Avaliação independente do Conjunto A (54 casos) combinando textos clínicos e dados de imagem, registando 4 resultados de classificação, sem assistência de IA.

Fase 2 Intervenção (Experimental): Avaliação do Conjunto B (54 casos). O sistema apresenta os 4 resultados de previsão do modelo de IA e evidências relacionadas; os médicos fornecem o julgamento final após referência abrangente.

Braço 2 - Avaliadores do Grupo B:

Fase 1 Intervenção (Controlo): Avaliação independente do Conjunto B (54 casos) combinando textos clínicos e dados de imagem, registando 4 resultados de classificação, sem assistência de IA.

Fase 2 Intervenção (Experimental): Avaliação do Conjunto A (54 casos). Os médicos fornecem o julgamento final após referência aos resultados do modelo de IA.

4. Medidas de Resultado

Resultado Primário:

Melhoria na Precisão Global: A diferença na precisão média nas 4 tarefas de classificação entre a avaliação assistida por IA (grupo experimental) e a avaliação independente (grupo de controlo).

Resultados Secundários:

Efeito de Homogeneização: Avaliação de se a diferença na precisão da avaliação clínica entre os médicos no grupo de hospitais primários/secundários e os grupos de hospitais terciários é significativamente reduzida com assistência de IA.

Eficiência da Avaliação: Comparação do tempo médio de avaliação por caso entre médicos com e sem assistência de IA.

Concordância Inter-Avaliador: Comparação da consistência dos resultados da avaliação entre médicos (por exemplo, usando estatísticas Kappa), com e sem assistência de IA.

5. Plano de Análise Estatística & Dimensão da Amostra

Justificação da Dimensão da Amostra:

O cálculo da dimensão da amostra para este estudo baseia-se na mudança esperada na precisão média global em todos os níveis de médicos recrutados prospectivamente. Estima-se que a precisão média global sem assistência de IA é de 0,60, e com assistência de IA é de 0,70.

Definindo o nível de significância para um teste bilateral em 0,05 (correspondendo a um valor Z de aproximadamente 1,96) e o poder estatístico em 0,80 (correspondendo a um valor Z de aproximadamente 0,84), a dimensão da amostra foi determinada usando o método estatístico padrão para comparar duas proporções independentes. Assumindo nenhum efeito de agrupamento resultante de múltiplas avaliações de casos pelo mesmo médico, este cálculo indica que cada grupo de intervenção requer pelo menos 353 avaliações independentes.

Verificação do Poder:

Na configuração real deste estudo, há um total de 12 médicos.

Avaliações independentes totais para o grupo de controlo (sem IA) = Grupo A (6 avaliadores) x Conjunto A (54 casos) + Grupo B (6 avaliadores) x Conjunto B (54 casos) = 648 avaliações independentes.

Avaliações independentes totais para o grupo experimental (com IA) também = 648 avaliações independentes.

Uma vez que 648 avaliações é superior à base necessária de 353 avaliações, a configuração atual de casos e médicos já possui poder estatístico suficiente. Esta dimensão da amostra fornece uma margem conservadora (aproximadamente 1,8 vezes o requisito base) para contabilizar adequadamente qualquer efeito de agrupamento (correlação intraclasse) resultante de múltiplas avaliações de casos pelo mesmo médico neste desenho MRMC.