Personal Health Train for Radiation Oncology i Indien og Holland (TRAIN)

"Big data analytics i kræftbehandling rummer et enormt potentiale til at frigøre værdifuld klinisk indsigt fra en overflod af patientjournaler, hjulpet af sofistikerede statistiske modeller, som vil føre til forbedrede befolkningsbaserede resultater og dybere personalisering af kræftbehandling. Imidlertid er de kliniske data (som inkluderer medicinske billeder, kliniske undersøgelser og laboratorieresultater) blevet låst inde i afbrudte "siloer" inden for hver klinik. Derudover er patientoplysninger yderst følsomme over for privatlivsproblemer og brud på fortrolighed.

Efterforskerne har været banebrydende for den innovative Personal Health Train-tilgang, hvorved støtte til at vælge den bedste behandling (dvs. beslutningsstøtte) er tilgængelig, uden at nogen patientjournal nogensinde forlader oprindelsesklinikken. Dette udvider vores nuværende arbejde med en udvidelig dataarkitektur for at lære af kvantitative billeddata i Indien og Holland (uden at billeder tages ud af klinikken) - NWO/DeITy BIONIC. Efterforskerne har nu udviklet adskillige modeller for kliniske resultater efter behandling, inklusive dem for uønskede bivirkninger af behandlingen. Efterforskerne fortsætter med at lede big data integrationsarbejde inden for multicenter kliniske beslutningsstøtteprojekter såsom KWF-ProTraIT og Horizon2020-BD2DECIDE.

Det overordnede mål med TRAIN-projektet er at kombinere big data (herunder billeder, laboratorietests og kliniske undersøgelser) for at forbedre resultaterne for hoved- og halskræftpatienter i både Indien og Holland. Efterforskerne vil gøre dette ved at skabe datadrevne beslutningsstøttesystemer til at forudsige, hvilken behandling der giver det bedste resultat givet individuelle patientkarakteristika og lokale diagnostiske og behandlingsmæssige muligheder. Kræftspecialister i begge lande vil lede udformningen og den kliniske evaluering af dette beslutningsstøttesystem, som kan implementeres i flere klinikker på tværs af alle de omgivelser, man støder på i Indien og Holland.

Hoved- og halskræft er en relativt sjælden tilstand i Holland, således at den tilgængelige datamængde at lære af er meget mindre end i Indien. Omvendt kommer indiske patienter typisk på et mere fremskredent stadium af kræft sammenlignet med hollandske patienter. Disse forskelle i patienter og behandlinger kan udnyttes af maskinlæringsalgoritmer til at lære bedre prædiktive modeller. Beslutningsstøttesystemer er essentielle, da retningslinjeafvigelser i begge lande er almindelige på grund af individuelle patientkarakteristika, patientpræferencer og ujævn fordeling af behandlingskapacitet uden for større bycentre.

For at opnå ovenstående implementerer efterforskerne først IKT-infrastrukturen (i samarbejde med Philips Indien) for at forbinde lokale hospitalsinformationssystemer, så kliniske, billeddiagnostiske og udfaldsdata om hoved- og halskræftpatienter bliver tilgængelige, tilgængelige, interoperable og genanvendelige (FAIR) big data. Efterforskerne implementerer derefter læringsalgoritmer, der krydser de store datalagre på hvert deltagende hospital, ved hjælp af den privatlivsbevarende Personal Health Train-tilgang, for at udvikle et beslutningsstøttesystem. Kræftspecialister i Indien og Holland vil i fællesskab evaluere den kliniske nytte af beslutningsstøttesystemet ved hjælp af et prospektivt randomiseret klinisk forsøg."