Henkilökohtainen terveyskoulutus säteilyonkologiaan Intiassa ja Alankomaissa (TRAIN)

"Big data analytics syövänhoidossa sisältää valtavasti potentiaalia avata arvokkaita kliinisiä oivalluksia lukuisista potilaiden lääketieteellisistä tiedoista kehittyneiden tilastomallien avulla, mikä johtaa parempiin väestöpohjaisiin tuloksiin ja syvempään syövänhoidon personointiin. Kliiniset tiedot (joihin kuuluvat lääketieteelliset kuvat, kliiniset tutkimukset ja laboratoriotulokset) on kuitenkin lukittu erillään oleviin "siiloihin" jokaisessa klinikassa. Lisäksi potilastiedot ovat erittäin herkkiä tietosuojaongelmille ja luottamuksellisuuden loukkauksille.

Tutkijat ovat olleet edelläkävijöitä innovatiivisessa Personal Health Train -lähestymistapassa, jossa tuetaan parhaan hoidon valintaa (esim. päätöstuki) on saatavilla ilman, että potilastiedot poistuvat lähtöklinikalta. Tämä laajentaa nykyistä työtämme laajennettavan tietoarkkitehtuurin parissa oppiaksemme kvantitatiivisista kuvantamistiedoista Intiassa ja Alankomaissa (ilman kuvia otettavista klinikalta) - NWO/DEITy BIONIC. Tutkijat ovat nyt kehittäneet lukuisia malleja kliinisistä tuloksista hoidon jälkeen, mukaan lukien malleja hoidon ei-toivotuille sivuvaikutuksille. Tutkijat johtavat edelleen ison datan integrointityötä monikeskisissä kliinisen päätöksenteon tukiprojekteissa, kuten KWF-ProTraIT ja Horizon2020-BD2DECIDE.

TRAIN-projektin yleisenä tavoitteena on yhdistää big data (mukaan lukien kuvat, laboratoriotutkimukset ja kliiniset tutkimukset) parantaakseen pään ja kaulan syöpäpotilaiden tuloksia sekä Intiassa että Alankomaissa. Tutkijat tekevät tämän luomalla tietoon perustuvia päätöksenteon tukijärjestelmiä, jotka ennustavat, mikä hoito tuottaa parhaan tuloksen ottaen huomioon potilaan yksilölliset ominaisuudet sekä paikalliset diagnostiset ja hoitomahdollisuudet. Molempien maiden syöpäasiantuntijat johtavat tämän päätöksenteon tukijärjestelmän suunnittelua ja kliinistä arviointia. Järjestelmää voitaisiin käyttää useissa klinikoissa kaikissa Intiassa ja Alankomaissa esiintyvissä olosuhteissa.

Pään ja kaulan syöpä on Alankomaissa suhteellisen harvinainen sairaus, joten oppimisen arvoinen tietomäärä on paljon pienempi kuin Intiassa. Sitä vastoin intialaisilla potilailla syöpä on tyypillisesti pitkälle edennyt kuin hollantilaispotilailla. Näitä potilaiden ja hoitojen eroja voidaan hyödyntää koneoppimisalgoritmeilla parempien ennustavien mallien oppimiseksi. Päätöksen tukijärjestelmät ovat välttämättömiä, koska ohjepoikkeamat molemmissa maissa ovat yleisiä yksittäisten potilaiden ominaisuuksien, potilaiden mieltymysten ja hoitokapasiteetin epätasaisen jakautumisen vuoksi suurten kaupunkikeskusten ulkopuolella.

Yllä olevan saavuttamiseksi tutkijat ottavat ensin käyttöön ICT-infrastruktuurin (yhteistyössä Philips Intian kanssa) paikallisten sairaaloiden tietojärjestelmien yhdistämiseksi, jotta pään ja kaulan syöpäpotilaiden kliiniset, kuvantamis- ja tulostiedot ovat löydettävissä, saatavilla, yhteentoimivia ja uudelleenkäytettäviä (FAIR) Suuri data. Tämän jälkeen tutkijat ottavat käyttöön oppimisalgoritmeja, jotka kulkevat kunkin osallistuvan sairaalan big data -varastojen läpi käyttämällä yksityisyyttä suojelevaa Personal Health Train -lähestymistapaa päätöksenteon tukijärjestelmän kehittämiseksi. Intian ja Hollannin syöpäasiantuntijat arvioivat yhdessä päätöksenteon tukijärjestelmän kliinistä hyödyllisyyttä prospektiivisen satunnaistetun kliinisen tutkimuksen avulla."