Maschinelles Lernen zur Vorhersage der Akutversorgung während der Krebstherapie (Chemo-SHIELD)

Ein zuvor beschriebenes auf maschinellem Lernen (ML) basierendes Modell prognostizierte ED-Besuche oder Krankenhausaufenthalte für Krebspatienten, die sich einer Strahlentherapie oder Chemotherapie unterziehen, genau. Eine vom IRB genehmigte prospektive randomisierte Studie, SHIELD-RT (NCT04277650), fand heraus, dass eine präventive Intervention für Patienten, die sich einer Bestrahlung und Chemotherapie unterziehen, basierend auf der Risikostratifizierung des ML-Modells das relative Risiko von Akutbehandlungen um 50 % senkte, was zeigt, dass eine ML-geführte Eskalation der Versorgung verbesserte personalisierte unterstützende Pflege und Behandlungscompliance bei gleichzeitiger Senkung der Gesundheitskosten.

Das Ziel dieser Studie ist es, dieses validierte ML-basierte Modell auf eine Kohorte von Patienten anzuwenden, die sich einer systemischen Therapie als ambulante Krebsbehandlung unterziehen, um ein automatisches System zur Vorhersage ungeplanter Krankenhauseinweisungen und Begegnungen in der Notaufnahme zu generieren. Nach der Validierung wird diese Studie die zuvor veröffentlichten Beweise ergänzen, die eine randomisierte Studie unterstützen, die die Fähigkeit des ML-Algorithmus bewertet, Interventionen für Patienten zuzuweisen, die eine systemische Therapie mit dem höchsten Risiko für Akutbehandlungen erhalten.