Künstliche Intelligenz zur Suche nach Anomalien bei ambulanten Krebspatienten (IASAAC)

Während der Behandlung können bei Krebspatienten Nebenwirkungen im Zusammenhang mit ihrer Krankheit, aber auch mit den verschiedenen Behandlungen, die sie erhalten, auftreten.

Gegenwärtig sind unerwünschte Wirkungen und Toxizitäten in der onkologischen Gemeinschaft gut kodifiziert, insbesondere über die NCI-CTCAE-Kriterien.

Im Gegensatz zu objektiven Daten wie einer Blutprobe oder einem CT-Scan ist eine wesentliche Verzerrung bei der Patientenbeurteilung die subjektive Einschätzung des Arztes oder seines Teams zu einem bestimmten Zeitpunkt, die möglicherweise nicht die Gesamtsituation widerspiegelt (im Guten wie im Schlechten). Mehrere Studien hatten bereits die Diskrepanzen zwischen medizinischer und Patientendatenerhebung aufgezeigt.

Die Selbsteinschätzung der Symptome ist eine Möglichkeit, diese Voreingenommenheit zu überwinden. Darüber hinaus gibt es inzwischen eine Vielzahl von Lösungen, die es ermöglichen, diese Selbsteinschätzungen zu Hause durchzuführen.

Dank dieser Tools gibt es jetzt zwei Situationen, die geplante Bewertung (z. B. vor einer Chemotherapie oder nach einem chirurgischen Eingriff) und die außerplanmäßigen Situationen, in denen der Patient selbst ein Bewertungsformular auslösen kann.

Diese neuen Bewertungsmethoden ermöglichen auch einen Lebensqualitätsansatz. Patient-Reported Outcomes (PROs) ist jetzt ein gültiger evidenzbasierter Assay, um die Symptome von Patienten zu erkennen und somit hilfreiche klinische Informationen für Gesundheitsdienstleister bereitzustellen.

Das Ziel dieser Studie ist es, einen Schritt weiter zu gehen als die vorherigen PROs-Studien und die Fähigkeit zu evaluieren, einen maschinellen Lernalgorithmus zu trainieren, um Risikosituationen zu erkennen und die Grundlage für eine praktikable Lösung für zukünftige prospektive und randomisierte Studien zu legen.