Apprendimento automatico per prevedere le cure acute durante la terapia del cancro (Chemo-SHIELD)

Un modello basato sull'apprendimento automatico (ML) descritto in precedenza prevedeva con precisione le visite o i ricoveri in PS per i malati di cancro sottoposti a radioterapia o chemioradioterapia. Uno studio prospettico randomizzato approvato dall'IRB, SHIELD-RT (NCT04277650) ha rilevato che l'intervento preventivo per i pazienti sottoposti a radiazioni e chemioradioterapia basato sulla stratificazione del rischio del modello ML ha ridotto il rischio relativo di visite di assistenza per acuti del 50%, dimostrando che l'escalation delle cure guidata da ML miglioramento delle cure di supporto personalizzate e della compliance al trattamento, riducendo al contempo i costi sanitari.

L'obiettivo di questo studio è applicare questo modello basato sul ML convalidato a una coorte di pazienti sottoposti a terapia sistemica come trattamento oncologico ambulatoriale per generare un sistema automatico per la previsione dei tassi di ricovero ospedaliero non pianificati e degli incontri al pronto soccorso. Una volta convalidato, questo studio si aggiungerà al corpus di prove precedentemente pubblicato a sostegno di uno studio randomizzato che valuta la capacità dell'algoritmo ML di assegnare l'intervento per i pazienti che ricevono terapia sistemica a più alto rischio di incontri di cure acute.