Оценка стратегии прогнозирования внепеченочных метастазов при гепатоцеллюлярной карциноме на основе машинного обучения

Обоснование и предпосылки

Гепатоцеллюлярная карцинома (ГЦК) связана со значительным риском послеоперационного рецидива и внепеченочных метастазов, что может существенно повлиять на прогноз и возможности лечения. Раннее выявление пациентов с высоким риском внепеченочных метастазов может способствовать более подходящей интенсивности наблюдения, более ранней мультидисциплинарной оценке и более своевременному планированию лечения. Однако стратегии послеоперационного наблюдения за внепеченочными метастазами, основанные на стратификации риска, недостаточно хорошо установлены в рутинной клинической практике.

Исследователи ранее разработали модели стратификации риска внепеченочных метастазов на основе машинного обучения в ретроспективных многоцентровых когортах, с особым вниманием к метастазам в легкие и кости. Настоящее исследование предназначено для проспективной валидации этих моделей и оценки их потенциальной ценности в реальной клинической практике и принятии решений.

Цели исследования Основная цель

Проспективно проверить производительность предопределенных моделей стратификации риска послеоперационных внепеченочных метастазов при ГЦК (особенно метастазов в легкие и кости), основанных на машинном обучении, включая дискриминацию и калибровку в многоцентровых условиях реальной клинической практики.

Второстепенные цели

Оценить производительность стратификации риска в клинически значимых подгруппах и участвующих центрах.Оценить результаты, связанные с внедрением в рутинную практику, включая принятие модели и влияние на клинические решения.Оценить, связана ли стратификация риска на основе модели с изменениями в схемах послеоперационного наблюдения, направлениях к специалистам и сроках мультидисциплинарной оценки.Изучить сигналы клинических исходов (например, время до события и результаты, связанные с клинически значимым окном обнаружения), связанные со стратификацией риска на основе модели.Изучить использование ресурсов и последствия для экономики здравоохранения при послеоперационном ведении на основе модели в условиях реальной клинической практики.

Дизайн исследования

Это многоцентровое проспективное обсервационное когортное исследование. Участники включаются и наблюдаются в соответствии с рутинной клинической помощью в участвующих больницах. Это исследование не включает рандомизацию, обязательное назначение вмешательств или распределение лечения по протоколу. Исследование предназначено для валидации и оценки инструмента стратификации риска и его внедрения в реальной практике, а не для тестирования интервенционного лечения.

Модели риска, переменные и предопределенная структура стратификации риска были разработаны до начала проспективного включения. Проспективный сбор данных используется для оценки переносимости модели, калибровки, клинической полезности и характеристик внедрения в независимых когортах реальной клинической практики.

Популяция исследования

Подходящие участники — взрослые с гепатоцеллюлярной карциномой, которые прошли лечение с намерением излечения и вступают в послеоперационное наблюдение. Подробные критерии включения и исключения приведены в протоколе и включают доступность необходимых исходных клинических переменных и информации наблюдения для оценки исходов.

Процедуры исследования и сбор данных

Данные собираются проспективно в ходе рутинной помощи и могут включать:

Исходные демографические и клинические характеристики；Переменные, связанные с опухолью и лечением；Информацию наблюдения с помощью визуализации и лабораторных исследований в ходе наблюдения；Возникновение и сроки внепеченочных метастазов (особенно в легкие и кости)

Исходы, связанные с рецидивом и выживаемостью, если доступны

Клинические решения по ведению (например, интенсивность наблюдения, направления, обсуждение мультидисциплинарной командой и планирование лечения)

Метрики внедрения (например, использование/принятие модели и документация влияния на решения, если доступно)

Переменные использования ресурсов для разведочных экономических анализов, если доступно

Никакое лечение, предписанное исследованием, не назначается. Клинические решения остаются под ответственностью лечащих врачей.

Исходы и аналитическая структура

Исследование оценит производительность модели с использованием предопределенных статистических методов, которые могут включать меры дискриминации, калибровки и клинической полезности для исходов времени до события. Анализы также могут оценить гетерогенность на уровне центра, временную производительность и стратегии обновления/перекалибровки модели, где это уместно.

Анализы внедрения и клинической полезности могут включать оценку:

Принятия и использования инструмента стратификации риска

Изменений в интенсивности наблюдения или путях наблюдения, связанных со стратами риска

Влияния на решения по направлениям и планированию ведения

Разведочных ассоциаций с клинически значимыми исходами и использованием ресурсов

Любые анализы, предназначенные для имитации гипотетических стратегий ведения (например, анализы на основе эмуляции целевого испытания), будут четко обозначены как обсервационные и оценочные/гипотетические и не будут интерпретироваться как эффекты рандомизированного лечения.

Значимость исследования

Ожидается, что это исследование предоставит проспективные многоцентровые доказательства валидности и реальной клинической полезности стратификации риска внепеченочных метастазов при ГЦК на основе машинного обучения. Результаты могут способствовать оптимизации послеоперационного наблюдения, разработке путей ведения, адаптированных к риску, и будущим исследованиям внедрения.