Systém doporučení zkušeností pacientů pro přizpůsobení přesvědčivé komunikace (PERSPECT)

Abychom maximalizovali perspektivu pacienta a účinně podpořili volbu životního stylu, vyvineme „Systém doporučení pacientských zkušeností pro přizpůsobení přesvědčivé komunikace“. PERSPeCT je adaptivní počítačový systém, který vyhodnotí individuální perspektivu pacienta, porozumí pacientovým preferencím ohledně zdravotních zpráv a poskytne personalizovanou, přesvědčivou zdravotní komunikaci relevantní pro jednotlivého pacienta.

Vyšetřovatelé navrhují překonat klíčové slabiny stávajících intervencí v oblasti zdravotní komunikace řízené odborníky pomocí pokročilých algoritmů strojového učení k adaptivnímu doporučování zpráv založených na „kolektivní inteligenci“ tisíců pacientů. Tato práce bude využívat přístup „Web 2.0“ měnící paradigma k adaptivní personalizaci s potenciálem širokého dopadu na oblast počítačové komunikace se zdravím na míru (CTHC).

Současné intervence CTHC s využitím znalostí od vědeckých odborníků shromažďují základní „profily“ pacientů a poté používají systémy založené na pravidlech, které jsou psané odborníky, k cílení zpráv na podskupiny pacientů. Tyto intervence segmentace trhu ukazují určitý příslib v pomoci určitým pacientům dosáhnout cílů životního stylu. Ačkoli jsou systémy založené na pravidlech teoreticky správné, nemusí zohledňovat sociokulturní koncepty, které mají pro cílovou populaci vnitřní význam, čímž se omezuje jejich význam. Dále se pravidla nepřizpůsobují zpětné vazbě pacientů.

Mimo zdravotnictví společnosti jako Google, Amazon, Netflix a Pandora ve velké míře využívají systémy adaptivních doporučení k poskytování obsahu s vyšší osobní relevanci. Tyto systémy využívají algoritmy strojového učení k odvození personalizovaných doporučení z různých zdrojů dat, včetně zpětné vazby preferencí shromážděné od jednotlivých uživatelů.

V rámci tohoto pilotního projektu Patient-Centered Outcomes Research Institute (PCORI) se vyšetřovatelé budou zabývat výzvami přizpůsobení doporučovacích systémů strojového učení CTHC ve specifickém kontextu podpory rozhodování pacienta o odvykání kouření. Vyšetřovatelé si vybrali tuto doménu, protože kouření je hlavní příčinou úmrtí, kterým lze předejít, a protože máme existující databázi 1 000 přesvědčivých zpráv vyvinutou v rámci současného federálního grantu (R01 CA129091). Konkrétní studijní cíle jsou:

Cíl 1: Shromáždit explicitní data zpětné vazby za účelem školení kuřáků PERSPeCT Recruit 700 pomocí více doplňkových strategií a pomocí webového rozhraní, požádat kuřáky, aby poskytli (a) pohledy na kouření a odvykání a informace o sociokulturním kontextu a (b) hodnocení vlivného aspektu zpráv o odvykání kouření.

Cíl 2: Navrhnout, implementovat a ověřit přizpůsobený rámec doporučení To bude zahrnovat (a) vývoj a implementaci systému doporučujícího strojového učení, který integruje profily pacientů, metadata zpráv, zobrazení webových stránek a hodnocení vlivu, a (b) trénování modelu a ověřování jeho prediktivní výkon.

Cíl 3: Provést pilotní randomizovanou studii (n = 120 kuřáků) PERSPeCT. Vyšetřovatelé předpokládají, že systém PERSPeCT bude (H1) Vybírat zprávy s rostoucím vlivem, protože kuřáci poskytují více hodnocení zpráv a (H2) Vybírat zprávy s lepším vlivem než systém CTHC založený na pravidlech, když kuřáci poskytují dostatečný počet hodnocení Systémy CTHC podporují rozhodování pacientů o chování, životním stylu a volbách. PERSPeCT se zabývá oblastmi zájmu PCORI, jmenovitě: 1) Identifikace, testování a/nebo vyhodnocování metod, které lze použít k posouzení perspektivy pacienta při zkoumání chování, životního stylu a možností, které má pacient pod kontrolou; a 2) vývoj, zdokonalování, testování a/nebo hodnocení přístupů zaměřených na pacienta, včetně nástrojů na podporu rozhodování. Studijní tým má jedinečnou pozici k dosažení těchto ambiciózních cílů v rámci tohoto pilotního projektu PCORI, protože vyšetřovatelé využijí existující databázi přesvědčivých zpráv z předchozí studie, dva roky údajů o účinnosti těchto zpráv a transdisciplinární tým s odborné znalosti v oblasti zdravotnické komunikace, inženýrství webových systémů a systémů doporučování strojového učení.