I3LUNG: Integratiivinen tiede, älykäs tietoalusta yksilölliseen keuhkosyövän hoitoon immunoterapian avulla

I3LUNG-projektin tavoitteena on saavuttaa korkein suorituskyky personoidussa lääketieteessä käyttämällä multimodaalisia potilaiden tietoja mallinnettua tekoälyä/koneoppimista (AI/ML) sekä toteuttaa AI/ML-malli tosielämässä. Projektia varten suunniteltu ja validoitu potilaskeskeinen ML-työkalusarja, joka hyödyntää uutta virtuaalista potilas AVATAR -kokonaisuutta etenemisen ja lopputuloksen ennustamiseen. Sen vaikutuksen maksimoimiseksi Trustworthy, selitettävän tekoälyn metodologian käyttö integroi tekoälyn luontaiset ominaisuudet ihmisen intuitioon, jotta voidaan rakentaa vastuullinen tekoälysovellus, joka pystyy toteuttamaan täysin yksilölliset hoitopäätökset NSCLC:ssä, tulkittavissa ja luotettavissa kliinikoille. Lopullisena tavoitteena on perustaa maailmanlaajuinen tietojen jakamis- ja kehitysalusta (DSEP). DSEP tarjoaa potilaille ohjaavia työkaluja, jotka tarjoavat tietoa hoidoista tietoisuuden lisäämiseksi. Lopuksi se antaa tutkijoille ja suurelle tiedeyhteisölle pääsyn uusimpiin tietolähteisiin NSCLC:stä.

I3LUNG-projektissa kehitetään ad hoc IPDAS NSCLC-potilaille. Potilaan päätöksentekoapuvälineet ovat työkaluja, joita potilaat voivat käyttää joko ennen lääkärin kuulemista tai sen aikana. Potilaan päätöksenteon apuvälineet edustavat selkeästi tehtävää päätöstä ja tarjoavat potilaille käyttäjäystävällistä tietoa jokaisesta hoitovaihtoehdosta keskittymällä haitoihin ja hyötyihin. Tämän työkalun avulla potilaat voisivat selittää ja selventää AI/ML-lähestymistavan tarjoamien tietojen monimutkaisuutta. Näiden päätöksenteon tukijärjestelmien on osoitettu olevan tehokkaita potilaiden vaikutusmahdollisuuksien lisäämisessä, heidän tietämyksensä parantamisessa, heidän aktiivisen osallistumisensa kliinisen hoitopäätöksen edistämisessä ja potilaiden yleisen hoitotyytyväisyyden parantamisessa samalla, kun ne vähentävät päätöksentekokonflikteja ja päätösten katumusta (26–30).

Lopuksi I3LUNG-projektissa arvioidaan, edistäisikö IPDAS:n käyttö kliinisen konsultaation aikana yhteisen päätöksenteon laatua sekä lääkärin ja potilaan välisen viestinnän laatua. IPDAS:n vaikutusten arvioinnin ohella arvioidaan myös, onko AI/ML-ennustemallien sisällyttäminen kliiniseen käytäntöön lisäarvoa onkologien kliinisen päätöksenteon tukemisessa ja kognitiivisen väsymyksen ja päätöksentekokonfliktien vähentämisessä.

I3LUNG omaksuu kaksitahoisen lähestymistavan lääketieteellisen laitteen kehittämiseen luomalla ja validoimalla retrospektiivisiä ja prospektiivisia tekoälypohjaisia ​​malleja, jotka ennustavat immunoterapian tehokkuutta NSCLC-potilaille käyttämällä monilähdedataa (oikea sana ja multi-omiikkatiedot) integroimalla retrospektiivisen analyysin avulla. - 2000 potilaan saatavilla olevien tietojen ylikansallisen foorumin perustaminen - ja tulevaisuuden - multi-omics-prospektiivisen tiedonkeruun 200 NSCLS-potilaalta - tutkimusvaihe.

I3LUNG-projektin retrospektiivinen osa sisältää yli 2 000 potilaan monikeskisen retrospektiivisen kohortin analyysin. Tätä kohorttia käytetään alustavan tiedon keruuvaiheen suorittamiseen ja retrospektiivisen ennustavan mallin rakentamiseen IO:lle (R-Model), jota käytetään tulevassa tutkimusvaiheessa luomaan ensimmäinen versio PDSS-työkalusta, tekoälypohjainen versio. työkalu, joka tarjoaa helpon ja käyttövalmiin pääsyn ennakoiviin malleihin, lisää hoidon tarkoituksenmukaisuutta, vähentää pitkittyneiden ja myrkyllisten hoitojen negatiivisia vaikutuksia hyvinvointiin ja terveydenhuollon kustannuksiin. Myös CT- ja PET-skannaukset kerätään ja ensimmäinen radioaminen allekirjoitus luodaan R-mallin syöttämiseksi.

Projektin tuleva osa sisältää useiden OMIC-tietojen keräämisen ja analysoinnin noin 200 potilaan monikeskisestä tulevasta kohortista. Tätä kohorttia käytetään retrospektiivisen mallin tulosten validointiin luomalla uusi malli (P-malli), jota käytetään lopullisen PDSS-työkalun luomiseen.