AI辅助肝细胞癌分期与治疗决策制定

1. 研究描述

   简要摘要：原发性肝细胞癌（HCC）的精准治疗高度依赖于准确的疾病分期（CNLC、TNM、BCLC）和科学的治疗决策，这需要影像学与临床基线数据的整合。 本研究前瞻性招募不同医院层级的HCC患者和临床医师，评估自主研发的人工智能（AI）模型在辅助多维综合评估和治疗决策中的临床价值。 采用多评估者多案例（MRMC）交叉平衡设计，比较医师在“无辅助（无AI）”与“AI辅助”条件下进行临床评估的准确性。 重点关注AI是否能显著提升初级/二级医疗医院医师的综合评估能力，从而前瞻性降低不同机构层级的诊断和治疗异质性。

   金标准（参考标准）：所有前瞻性入组病例的参考标准（Ground Truth）由3名权威专家组成的独立专家组确定。 专家组通过盲法独立评估和联合讨论（投票制），结合完整的前瞻性影像数据、临床基线数据、多学科团队（MDT）共识以及最终病理或临床随访结果，确定四项分类任务的最终标准答案。

2. 入选标准

2.1 评估者入选标准：

1. 三级医院高级医师：受聘于三级甲等（三级）医院肝胆胰外科、肿瘤科或相关科室，职称为主治医师及以上。
2. 三级医院初级医师：受聘于三级甲等（三级）医院相关科室，职称为住院医师。
3. 初级/二级医疗医院医师：受聘于县级或二级综合医院的临床医师。
4. 知情同意：必须自愿同意参与评估并签署知情同意书。

2.2 患者/病例入选标准：

纳入标准：

1. 年龄 > 18岁。
2. 前瞻性就诊疑似或新诊断的原发性肝细胞癌（HCC），后经病理证实或符合中国肝癌（CNLC）指南。
3. 在前瞻性入组期间获取完整的基线临床数据，包括完整现病史/既往史、ECOG PS评分、全面实验室检查（肝功能、凝血功能、AFP等肿瘤标志物）以及基线腹部增强CT。
4. 患者（或其法定代表）必须提供书面知情同意，允许其临床数据用于本试验。

排除标准：

1. 患有继发性（转移性）肝癌或合并其他系统严重恶性肿瘤的患者。
2. 未能完成所需基线影像或实验室检查，导致无法准确计算分期（例如缺失Child-Pugh评分数据）的患者。
3. 入组前曾接受过肝癌抗肿瘤治疗的患者。

3. 研究设计

干预模型：交叉分配 盲法：单盲。 参与评估者对病例的金标准答案及其他参与医师的评估结果设盲。

分组与干预：

病例集划分：108例前瞻性连续入组的合格HCC病例分批并随机分为数据集A组（54例）和数据集B组（54例）。 确保两组在肿瘤负荷、肝功能分级和分期分布方面无统计学显著差异。

评估者分组：共纳入12名前瞻性招募的临床医师，包括4名三级医院高级组、4名三级医院初级组和4名初级/二级医院组。 根据分层随机化分为两个评估组：

A组（6名评估者）：2名三级高级、2名三级初级、2名初级/二级医院。

B组（6名评估者）：2名三级高级、2名三级初级、2名初级/二级医院。

组1 - A组评估者：

第1阶段干预（对照）：独立评估A组（54例）结合临床文本和影像数据，记录4项分类结果，无AI辅助。

第2阶段干预（实验）：评估B组（54例）。 系统展示AI模型的4项预测结果及相关证据；医师综合参考后给出最终判断。

组2 - B组评估者：

第1阶段干预（对照）：独立评估B组（54例）结合临床文本和影像数据，记录4项分类结果，无AI辅助。

第2阶段干预（实验）：评估A组（54例）。 医师参考AI模型结果后给出最终判断。

4. 结局指标

主要结局：

总体准确性提升：AI辅助评估（实验组）与独立评估（对照组）在4项分类任务中平均准确性的差异。

次要结局：

同质化效应：评估在AI辅助下，初级/二级医院组医师与三级医院组医师的临床评估准确性差异是否显著减小。

评估效率：比较医师在有AI辅助和无AI辅助下每例病例的平均评估时间。

评估者间一致性：比较医师评估结果的一致性（例如使用Kappa统计量），在有AI辅助和无AI辅助情况下。

5. 统计分析计划与样本量

样本量依据：

本研究样本量计算基于前瞻性招募的所有层级医师总体平均准确性的预期变化。 估计无AI辅助的总体平均准确性为0.60，有AI辅助为0.70。

设定双侧检验显著性水平为0.05（对应Z值约1.96），统计效能为0.80（对应Z值约0.84），采用比较两个独立比例的标准统计方法确定样本量。 假设同一医师评估多个病例无聚类效应，计算表明每个干预组至少需要353次独立评估。

效能验证：

在本研究实际配置中，共有12名医师。

对照组（无AI）总独立评估次数 = A组（6名评估者）× A组（54例）+ B组（6名评估者）× B组（54例）= 648次独立评估。

实验组（有AI）总独立评估次数同样 = 648次独立评估。

由于648次评估大于所需基准353次评估，当前病例和医师配置已具备足够统计效能。 此样本量提供了保守余量（约为基准要求的1.8倍），足以考虑本MRMC设计中同一医师评估多个病例可能产生的任何聚类效应（组内相关性）。