Strojové učení předvídat akutní péči během léčby rakoviny (Chemo-SHIELD)

Dříve popsaný model založený na strojovém učení (ML) přesně předpovídal návštěvy ED nebo hospitalizace pacientů s rakovinou podstupujících radiační terapii nebo chemoradiaci. IRB schválená prospektivní randomizovaná studie SHIELD-RT (NCT04277650) zjistila, že preemptivní intervence u pacientů podstupujících ozařování a chemoradiaci na základě rizikové stratifikace modelu ML snížila relativní riziko návštěv akutní péče o 50 %, což ukazuje, že eskalace péče řízená ML lepší personalizovaná podpůrná péče a dodržování léčebných postupů při současném snížení nákladů na zdravotní péči.

Cílem této studie je aplikovat tento ověřený model založený na ML na kohortu pacientů podstupujících systémovou terapii jako ambulantní léčbu rakoviny, aby se vytvořil automatický systém pro predikci počtu neplánovaných přijetí do nemocnice a setkání na pohotovosti. Jakmile bude tato studie ověřena, přidá se k dříve publikovanému souboru důkazů podporujících randomizovanou studii hodnotící schopnost algoritmu ML přiřadit intervenci pacientům léčeným systémovou terapií s nejvyšším rizikem akutní péče.