I3LUNG: ciencia integradora, plataforma inteligente de datos para la atención individualizada del cáncer de PULMÓN con inmunoterapia

El proyecto I3LUNG tiene como objetivo lograr el máximo rendimiento en medicina personalizada a través de inteligencia artificial/aprendizaje automático (AI/ML) modelado en datos de pacientes multimodales, junto con la implementación de un modelo AI/ML en un entorno de la vida real. Un conjunto de herramientas de ML centradas en el paciente diseñadas y validadas para el proyecto, que hacen uso de la novedosa entidad AVATAR de paciente virtual para predecir la progresión y el resultado. Para maximizar su impacto, el uso de la metodología de IA explicable confiable integrará los rendimientos inherentes de la IA con el aporte de la intuición humana para construir una aplicación de IA responsable capaz de implementar completamente decisiones de tratamiento verdaderamente individualizadas en NSCLC interpretables y confiables para los médicos. El objetivo final es el establecimiento de una Plataforma Mundial de Intercambio y Elaboración de Datos (DSEP). La DSEP brindará herramientas de orientación a los pacientes, brindando información para generar conciencia sobre los tratamientos. Por último, da acceso a los investigadores y la comunidad científica en general a las fuentes de datos más actualizadas sobre NSCLC.

Dentro del proyecto I3LUNG, se desarrollará un IPDAS ad-hoc para pacientes con NSCLC. Las ayudas para la toma de decisiones del paciente son herramientas que los pacientes pueden utilizar antes o dentro de una consulta con los médicos. Las ayudas para la toma de decisiones del paciente representan explícitamente la decisión que se debe tomar y brindan a los pacientes información fácil de usar sobre cada opción de tratamiento centrándose en los daños y beneficios. Esta herramienta podría permitir a los pacientes explicar y aclarar la alta complejidad de la información proporcionada por el enfoque AI/ML. Se ha demostrado que estos sistemas de apoyo a la toma de decisiones son efectivos para empoderar a los pacientes, mejorar su conocimiento, promover su participación activa en la toma de decisiones clínicas sobre los tratamientos y mejorar la satisfacción general del paciente con la atención, a la vez que disminuyen el conflicto y el arrepentimiento de la decisión (26-30).

Finalmente, dentro del proyecto I3LUNG se evaluará si el uso del IPDAS durante la consulta clínica favorecería la calidad de la toma de decisiones compartida así como la calidad de la comunicación médico-paciente. Junto a la evaluación del impacto del IPDAS, también se evaluará si la inclusión de los modelos predictivos AI/ML en la práctica clínica supondrá un valor añadido para apoyar la toma de decisiones clínicas de los oncólogos y disminuir la fatiga cognitiva y el conflicto decisional.

I3LUNG adopta un enfoque doble para desarrollar un dispositivo médico a través de la creación y validación de modelos retrospectivos y prospectivos basados ​​en IA para predecir la eficacia de la inmunoterapia para pacientes con NSCLC mediante la integración de datos de múltiples fuentes (datos de palabras reales y multiómicas) a través de una retrospectiva - creación de una plataforma transnacional de datos disponibles de 2000 pacientes - y una fase de estudio prospectivo - recopilación de datos prospectivos multiómicos en 200 pacientes con NSCLS.

La parte retrospectiva del proyecto I3LUNG incluye el análisis de una cohorte retrospectiva multicéntrica de más de 2.000 pacientes. Esta cohorte se utilizará para realizar una fase preliminar de extracción de conocimiento y construir un modelo predictivo retrospectivo para IO (R-Model), que se utilizará en la fase de estudio prospectivo para crear una primera versión de la herramienta PDSS, un modelo basado en IA. herramienta para proporcionar un acceso fácil y listo para usar a modelos predictivos, aumentando la adecuación de la atención, reduciendo los impactos negativos de los tratamientos prolongados y tóxicos en el bienestar y los costos de atención médica. Además, se recopilarán tomografías computarizadas y PET y se creará una primera firma radiómica para alimentar el R-Model.

La parte prospectiva del proyecto incluye la recopilación y el análisis de datos multi-OMIC de una cohorte prospectiva multicéntrica de unos 200 pacientes. Esta cohorte se utilizará para validar los resultados obtenidos del modelo retrospectivo a través de la creación de un nuevo modelo (P-Model), que se utilizará para crear la herramienta PDSS final.