Искусственный интеллект в определении стадии и принятии решений о лечении гепатоцеллюлярной карциномы

1. Описание исследования

   Краткое резюме: Точное лечение первичной гепатоцеллюлярной карциномы (ГЦК) в высокой степени зависит от точного стадирования заболевания (CNLC, TNM, BCLC) и научно обоснованного принятия решений о лечении, что требует интеграции как визуализационных, так и клинических исходных данных. В данном исследовании проспективно набираются пациенты с ГЦК и клинические врачи из больниц разного уровня для оценки клинической ценности самостоятельно разработанной модели искусственного интеллекта (ИИ) в помощи многомерной комплексной оценке и принятии решений о лечении. Используя перекрестный сбалансированный дизайн «Множество оценщиков — множество случаев» (MRMC), исследование сравнивает точность клинических оценок, выполненных врачами в условиях «без помощи (без ИИ)» и «с помощью ИИ». Ключевой акцент делается на изучении того, может ли ИИ значительно улучшить возможности комплексной оценки у врачей в больницах первичного/вторичного звена, тем самым проспективно снижая диагностическую и терапевтическую неоднородность между учреждениями разного уровня.

   Золотой стандарт (Референсный стандарт): Референсный стандарт (Ground Truth) для всех проспективно включенных случаев устанавливается независимой экспертной группой, состоящей из 3 авторитетных экспертов. Группа определяет окончательные стандартные ответы для четырех задач классификации посредством слепой независимой оценки и совместного обсуждения (система голосования), учитывая полные проспективные данные визуализации, клинические исходные данные, консенсус междисциплинарной команды (MDT), а также окончательные патологические результаты или результаты клинического наблюдения.

2. Критерии соответствия

2.1 Критерии соответствия для оценщиков:

1. Старшие врачи в больницах третичного уровня: Работают в отделении гепатопанкреатобилиарной хирургии, онкологии или смежных отделениях в больницах III класса категории A (третичного уровня), имея профессиональное звание врача-специалиста или выше.
2. Младшие врачи в больницах третичного уровня: Работают в смежных отделениях в больницах III класса категории A (третичного уровня), имея профессиональное звание врача-ординатора.
3. Врачи в больницах первичного/вторичного звена: Клинические врачи, работающие в уездных больницах или больницах II класса общего профиля.
4. Информированное согласие: Добровольно соглашаются участвовать в оценке и подписывают форму информированного согласия.

2.2 Критерии соответствия для пациентов/случаев:

Критерии включения:

1. Возраст > 18 лет.
2. Пациенты, проспективно обратившиеся с подозрением или впервые диагностированной первичной гепатоцеллюлярной карциномой (ГЦК), впоследствии подтвержденной патологически или соответствующей критериям китайских рекомендаций по раку печени (CNLC).
3. Полные исходные клинические данные, полученные в период проспективного набора, включая полный анамнез настоящего/прошлого заболевания, оценку общего состояния по шкале ECOG PS, комплексные лабораторные анализы (функция печени, коагулограмма, онкомаркеры, такие как АФП и др.), а также исходную КТ брюшной полости с контрастированием.
4. Пациенты (или их законные представители) должны предоставить письменное информированное согласие на использование их клинических данных в данном исследовании.

Критерии исключения:

1. Пациенты с вторичным (метастатическим) раком печени или сопутствующими тяжелыми злокачественными новообразованиями других систем.
2. Пациенты, которые не прошли необходимые исходные исследования визуализации или лабораторные анализы, что препятствует точному расчету стадии (например, отсутствие данных для оценки по шкале Чайлд-Пью).
3. Пациенты, которые получали противоопухолевую терапию по поводу рака печени до включения в исследование.

3. Дизайн исследования

Модель вмешательства: Перекрестное распределение. Маскирование: Простое слепое. Участвующие оценщики не осведомлены о золотом стандарте ответов по случаям и о результатах оценки других участвующих врачей.

Группы и вмешательства:

Разделение набора случаев: 108 проспективно и последовательно включенных подходящих случаев ГЦК разбиты на партии и случайным образом разделены на Набор данных A (54 случая) и Набор данных B (54 случая). Гарантируется, что между двумя наборами нет статистически значимых различий по опухолевой нагрузке, степени нарушения функции печени и распределению по стадиям.

Группировка оценщиков: Всего включено 12 проспективно набранных клинических врачей, включая 4 в группе старших врачей больниц третичного уровня, 4 в группе младших врачей больниц третичного уровня и 4 в группе врачей больниц первичного/вторичного звена. Они разделены на две оценочные группы на основе стратифицированной рандомизации:

Группа A (6 оценщиков): 2 старших врача третичного уровня, 2 младших врача третичного уровня, 2 врача первичного/вторичного звена.

Группа B (6 оценщиков): 2 старших врача третичного уровня, 2 младших врача третичного уровня, 2 врача первичного/вторичного звена.

Группа 1 - Оценщики Группы A:

Фаза 1 Вмешательство (Контроль): Независимая оценка Набора A (54 случая) с комбинацией клинических текстов и данных визуализации, запись 4 результатов классификации, без помощи ИИ.

Фаза 2 Вмешательство (Экспериментальная): Оценка Набора B (54 случая). Система представляет 4 прогнозных результата модели ИИ и связанные доказательства; врачи выносят окончательное суждение после всестороннего ознакомления.

Группа 2 - Оценщики Группы B:

Фаза 1 Вмешательство (Контроль): Независимая оценка Набора B (54 случая) с комбинацией клинических текстов и данных визуализации, запись 4 результатов классификации, без помощи ИИ.

Фаза 2 Вмешательство (Экспериментальная): Оценка Набора A (54 случая). Врачи выносят окончательное суждение после ознакомления с результатами модели ИИ.

4. Конечные точки

Первичная конечная точка:

Улучшение общей точности: Разница в средней точности по 4 задачам классификации между оценкой с помощью ИИ (экспериментальная группа) и независимой оценкой (контрольная группа).

Вторичные конечные точки:

Эффект гомогенизации: Оценка того, значительно ли уменьшается разница в точности клинической оценки между врачами группы первичного/вторичного звена и группами больниц третичного уровня при помощи ИИ.

Эффективность оценки: Сравнение среднего времени оценки на случай у врачей с помощью ИИ и без нее.

Согласованность между оценщиками: Сравнение согласованности результатов оценки между врачами (например, с использованием статистики Каппа) с помощью ИИ и без нее.

5. План статистического анализа и объем выборки

Обоснование объема выборки:

Расчет объема выборки для данного исследования основан на ожидаемом изменении общей средней точности у всех уровней проспективно набранных врачей. Ожидается, что общая средняя точность без помощи ИИ составляет 0,60, а с помощью ИИ — 0,70.

Установив уровень значимости для двустороннего теста на 0,05 (что соответствует Z-значению примерно 1,96) и статистическую мощность на 0,80 (что соответствует Z-значению примерно 0,84), объем выборки был определен с использованием стандартного статистического метода для сравнения двух независимых пропорций. Предполагая отсутствие кластерного эффекта из-за множественных оценок случаев одним и тем же врачом, этот расчет показывает, что каждой группе вмешательства требуется не менее 353 независимых оценок.

Проверка мощности:

В фактической конфигурации данного исследования всего 12 врачей.

Общее количество независимых оценок для контрольной группы (без ИИ) = Группа A (6 оценщиков) x Набор A (54 случая) + Группа B (6 оценщиков) x Набор B (54 случая) = 648 независимых оценок.

Общее количество независимых оценок для экспериментальной группы (с ИИ) также = 648 независимых оценок.

Поскольку 648 оценок превышает требуемую базовую величину в 353 оценки, текущая конфигурация случаев и врачей уже обладает достаточной статистической мощностью. Этот объем выборки обеспечивает консервативный запас (примерно в 1,8 раза больше базового требования), чтобы адекватно учесть любой кластерный эффект (внутриклассовую корреляцию), возникающий из-за множественных оценок случаев одним и тем же врачом в данном дизайне MRMC.