Personal Health Train für Radioonkologie in Indien und den Niederlanden (TRAIN)

„Die Big-Data-Analyse in der Krebsbehandlung birgt ein immenses Potenzial, wertvolle klinische Erkenntnisse aus einer Fülle von Krankenakten von Patienten zu gewinnen, unterstützt durch ausgefeilte statistische Modelle, die zu verbesserten populationsbasierten Ergebnissen und einer tieferen Personalisierung der Krebsbehandlung führen werden. Die klinischen Daten (einschließlich medizinischer Bilder, klinischer Untersuchungen und Laborergebnisse) wurden jedoch in getrennten „Silos“ in jeder Klinik weggesperrt. Darüber hinaus sind Patientendaten äußerst sensibel für Datenschutzprobleme und Verstöße gegen die Vertraulichkeit.

Die Forscher haben Pionierarbeit für den innovativen Personal Health Train-Ansatz geleistet, bei dem Unterstützung bei der Auswahl der besten Behandlung (d. h. Entscheidungsunterstützung) ist zugänglich, ohne dass Patientenakten jemals die Ursprungsklinik verlassen. Dies erweitert unsere aktuelle Arbeit an einer erweiterbaren Datenarchitektur, um aus quantitativen Bildgebungsdaten in Indien und den Niederlanden zu lernen (ohne dass Bilder aus der Klinik genommen werden) – NWO/DeITy BIONIC. Die Forscher haben inzwischen zahlreiche Modelle für das klinische Ergebnis nach der Behandlung entwickelt, einschließlich solcher für unerwünschte Nebenwirkungen der Behandlung. Die Forscher leiten weiterhin Big-Data-Integrationsarbeiten in multizentrischen Projekten zur Unterstützung klinischer Entscheidungen wie KWF-ProTraIT und Horizon2020-BD2DECIDE.

Das übergeordnete Ziel des TRAIN-Projekts ist die Kombination von Big Data (einschließlich Bildern, Labortests und klinischen Untersuchungen), um die Ergebnisse für Patienten mit Kopf-Hals-Krebs sowohl in Indien als auch in den Niederlanden zu verbessern. Die Forscher werden dies tun, indem sie datengesteuerte Entscheidungsunterstützungssysteme erstellen, um vorherzusagen, welche Behandlung angesichts individueller Patientenmerkmale und lokaler Diagnose- und Behandlungsmöglichkeiten das beste Ergebnis erzielt. Krebsspezialisten in beiden Ländern werden das Design und die klinische Bewertung dieses Entscheidungsunterstützungssystems leiten, das in mehreren Kliniken in allen Umgebungen in Indien und den Niederlanden eingesetzt werden könnte.

Kopf-Hals-Krebs ist in den Niederlanden eine relativ seltene Erkrankung, sodass das Datenvolumen, aus dem man lernen kann, viel kleiner ist als in Indien. Umgekehrt stellen sich indische Patienten im Vergleich zu niederländischen Patienten in der Regel in einem fortgeschritteneren Krebsstadium vor. Diese Unterschiede bei Patienten und Behandlungen können durch maschinelle Lernalgorithmen genutzt werden, um bessere Vorhersagemodelle zu lernen. Entscheidungsunterstützungssysteme sind unerlässlich, da Leitlinienabweichungen in beiden Ländern aufgrund individueller Patientenmerkmale, Patientenpräferenzen und einer ungleichmäßigen Verteilung der Behandlungskapazitäten außerhalb der großen städtischen Zentren üblich sind.

Um dies zu erreichen, setzen die Forscher zunächst die IKT-Infrastruktur (in Zusammenarbeit mit Philips India) ein, um lokale Krankenhausinformationssysteme zu verbinden, damit klinische, bildgebende und Ergebnisdaten von Kopf-Hals-Krebspatienten auffindbar, zugänglich, interoperabel und wiederverwendbar (FAIR) werden. Große Daten. Die Ermittler setzen dann Lernalgorithmen ein, die die Big-Data-Repositories jedes teilnehmenden Krankenhauses durchlaufen, wobei sie den die Privatsphäre wahrenden Personal Health Train-Ansatz verwenden, um ein Entscheidungsunterstützungssystem zu entwickeln. Krebsspezialisten in Indien und den Niederlanden werden gemeinsam den klinischen Nutzen des Entscheidungsunterstützungssystems durch eine prospektive randomisierte klinische Studie evaluieren."