BLANDISH (Gehirn, Funktionsverlust, Aneurysma, Krankheit, Verletzung, Schlaganfall, Blutung) (BLANDISH)

Auf der Neuro-Intensivstation richten sich die Behandlungen in der Regel nach Richtlinien, die auf wissenschaftlichem Konsens basieren. Dennoch hat sich die Prognose für Patienten mit intrakraniellen Blutungen in den letzten Jahrzehnten nicht wesentlich verbessert, was zu allgemein unbefriedigenden Ergebnissen führt. Obwohl randomisierte kontrollierte Studien (RCTs) als Goldstandard für die klinische Forschung gelten, können ihre Durchführung teuer und ethisch anspruchsvoll sein. Beobachtungsstudien stellen eine alternative Methode dar und bieten größere Datensätze über längere Zeiträume, die für bestimmte Forschungsvorhaben vorteilhafter und praktikabler sein können.

Algorithmen des maschinellen Lernens (ML) sind im Gegensatz zu klassischen statistischen Methoden in der Lage, eine große Anzahl von Variablen zu verarbeiten und bieten Gesundheitsdienstleistern einen personalisierten und zuverlässigen Ansatz für das Patientenmanagement. Wir sind uns der Notwendigkeit gut konzipierter Studien zur Identifizierung optimaler Therapiestrategien für neurokritische Patienten bewusst und erkennen die Einschränkungen bestehender Leitlinien an. Unser Ziel ist es, ML-Programme zu nutzen, um ein fortschrittliches System zu entwickeln, das in der Lage ist, Datenmuster aufzudecken und sie mit potenziellen Ergebnissen zu verknüpfen.

Das BLANDISH-Projekt konzentriert sich auf Patienten mit spontaner intrazerebraler Blutung (sICH), einer Erkrankung, für die es keine nachweislich wirksame Behandlung gibt. Durch das Sammeln und Analysieren von Daten von sICH-Patienten, die auf der Neuro-Intensivstation aufgenommen wurden, zielt das Projekt darauf ab, einen überwachten ML-Algorithmus namens BLANDISH zu entwickeln.

Dieser Algorithmus stratifiziert Patienten anhand der Prognose und identifiziert diejenigen mit dem höchsten Risiko für Tod und sekundäre Hirnverletzungen. Indem der Algorithmus jeden Patienten zur gezieltesten Therapiestrategie führt, könnte er dazu beitragen, die Patientenergebnisse zu verbessern und die Wirksamkeit aktueller klinischer Praktiken zu bewerten. Darüber hinaus kann es dem Gesundheitspersonal ermöglichen, Ressourcen besser zuzuteilen und individuelle Therapieprogramme auf der Grundlage von Präzisionsmedizin einzuführen, wodurch möglicherweise Krankenhausaufenthalte und Gesundheitskosten verkürzt werden.

Der erste Schritt bei der Entwicklung des BLANDISH-Algorithmus besteht darin, klinische Daten zu sammeln, die in einem strukturierten Datalake gespeichert werden, der als Datenspeicher dient. Diese Plattform sammelt Informationen über den klinischen Verlauf von sICH-Patienten, die auf der Neuro-Intensivstation aufgenommen werden. Nach der Datenerfassung umfassen die nächsten Schritte die Vorverarbeitung, die Auswahl der mit der Patientensterblichkeit korrelierten Variablen sowie das Training des Algorithmus mit Eingabedaten und interner Validierung zur Steuerung seines Verhaltens. Es folgt eine externe Validierung, bei der Daten aus verschiedenen klinischen Zentren gesammelt werden, um die Zuverlässigkeit und Generalisierungsfähigkeit des Algorithmus zu bewerten. Anschließend wird eine multizentrische klinische Beobachtungsstudie durchgeführt, um den BLANDISH-Algorithmus zu validieren und seinen Einfluss auf die Ergebnisse von sICH-Patienten zu bestimmen. Diese letzte Phase umfasst eine Überlebensstudie, in der Patienten in der Versuchsgruppe (deren Behandlung von BLANDISH geleitet wird) mit denen verglichen werden, die der klinischen Standardpraxis folgen. Ziel des Projekts ist es, die Überlegenheit des ML-Ansatzes gegenüber aktuellen Leitlinien zu demonstrieren und die Genauigkeit und mögliche Verbesserungen im Patientenmanagement in verschiedenen Pflegeumgebungen zu bewerten.