Tekoäly/koneoppimisen mallinnus palliatiiviseen hoitoon kuluvan ajan arvioinnista sairaalasairaalaväestössä

Oikea-aikaisen palliatiivisen hoidon tarve on ratkaisevan tärkeä. Ikääntyvä potilasryhmä on tulossa monimutkaisemmaksi, ja ne tarvitsevat usein hoitoa useilta erikoisaloilta. Kliinisen hoidon ja potilaiden mieltymysten välillä on ollut kasvava epäsuhta erityisesti eliniän loppuvaiheessa olevien palvelujen osalta. Tutkimukset ovat osoittaneet, että useimmat ihmiset mieluummin kuolevat kotona, vaikka suurin osa heistä kuolee kodin ulkopuolella (sairaanhoitokodissa tai sairaalassa). Nykyisen hoitomallin ja kannustimien perusteella palliatiivista hoitoa pidetään viimeisenä keinona sen jälkeen, kun kaikki parannusyritykset on käytetty loppuun. Tämä viive voi johtaa epäoptimaaliseen oireiden hallintaan kivun ja elämänlaadun heikkenemisen vuoksi. Palliatiivisen hoidon kysynnän kasvaessa tarvitaan poliittisia aloitteita ja lähetteiden luokittelutyökaluja, jotka johtavat laadukkaisiin palliatiivisiin hoitopalveluihin.

Mayo Clinic kehitti vuonna 2018 täysin integroidun tietotekniikan (IT) ratkaisun, joka keskittyy sellaisten potilaiden tunnistamiseen, jotka voivat hyötyä varhaisesta palliatiivisen hoidon arvioinnista. Työkalu, joka tunnetaan nimellä Control Tower, hakee erilaisia ​​tietolähteitä, jotka perustuvat koneoppimisalgoritmiin, joka ennustaa palliatiivisen hoidon tarpeen sairaalassa. Tämä algoritmi otettiin tuotantoon joulukuussa 2018 hiljaiseen tilaan. Algoritmi ja muut keskeiset potilasilmaisimet on integroitu graafiseen käyttöliittymään (GUI), jonka avulla käyttäjä voi tarkastella algoritmin ennusteita ja sen jälkeen tallentaa käyttäjän arvion. Työkalun odotetaan tehostavan riskinarviointia ja luovan terveydenhuoltomallin, jossa palliatiivisessa hoidossa voidaan ennakoivasti ja tehokkaasti seuloa potilaan tarpeita. Lähestymistavan ennakoituja etuja ovat oireiden hallinnan ja potilastyytyväisyyden paraneminen sekä mitattavissa oleva vaikutus sairaalakuolleisuuteen.

Tämän tutkimuksen yleisenä tavoitteena on arvioida Control Towerin palliatiivisen hoidon algoritmin tehokkuutta ja käyttöönottoa sairaalakäytännössä luomalla porrastettu kiilaklusteri, satunnaistettu koe 16 potilasyksikössä. Luomalla algoritmin, joka seuloa ja tarkkailee automaattisesti potilaan terveydentilaa sairaalahoidon aikana, tutkijat olettavat, että osallistujat saavat tarvittavan palliatiivisen hoidon tavanomaista hoitoa aikaisemmin. Kliinisen tehokkuuden testaamisen lisäksi tutkimuksen jäsenet keräävät dataa prosessimittauksia varten algoritmin ja terveydenhuollon suorituskyvyn arvioimiseksi sen jälkeen, kun ennustealgoritmi on muutettu tutkimusalueelta käytäntöön.