Koneoppiminen akuutin hoidon ennustamiseen syöpähoidon aikana (Chemo-SHIELD)

Aiemmin kuvattu koneoppimiseen (ML) perustuva malli ennusti tarkasti sädehoitoa tai kemosäteilyä saavien syöpäpotilaiden ED-käynnit tai sairaalahoidot. IRB:n hyväksymässä prospektiivisessa satunnaistetussa tutkimuksessa SHIELD-RT (NCT04277650) havaittiin, että ML-mallin riskikerroin perustuva ennaltaehkäisevä hoito säteily- ja kemosäteilyhoitoa saaville potilaille pienensi akuuttihoitokäyntien suhteellista riskiä 50 %, mikä osoittaa, että ML-ohjattu hoidon eskalaatio parannettiin henkilökohtaista tukihoitoa ja hoitomyöntyvyyttä samalla kun terveydenhuollon kustannukset pienenivät.

Tämän tutkimuksen tavoitteena on soveltaa tätä validoitua ML-pohjaista mallia potilaiden kohorttiin, jotka saavat systeemistä hoitoa avohoitona syövän hoitona, jotta voidaan luoda automaattinen järjestelmä ennakoimattomien sairaalahoitojen ja ensiapuosastokohtausten ennustamiseen. Kun tämä tutkimus on validoitu, se täydentää aiemmin julkaistua näyttöä, joka tukee satunnaistettua tutkimusta, jossa arvioidaan ML-algoritmin kykyä osoittaa interventio potilaille, jotka saavat systeemistä hoitoa, joilla on suurin akuutin hoidon kohtaamisten riski.