調査を使用して、ML への曝露による死亡リスク予測と腫瘍内科医の予後精度および意思決定との関連を調べる

米国のがん患者のほぼ半数は、死ぬ前に本人の希望と一致しない治療を受けることになる。 早期の高度なケア計画 (ACP) と緩和ケアは、目標に一致したケアと症状を改善し、不必要な利用を減らします。 ACP と緩和ケアを増やすための有望な戦略は、これらのサービスを対象とするために、病気の経過の早い段階で死亡リスクのある患者を特定することです。 機械学習 (ML) アルゴリズムは、有害な結果のリスクを正確に予測し、早期のリソースを誘導するために、医療を含むさまざまな業界で使用されています。 「人間と機械のコラボレーション」、つまり ML と人間の直感の両方を活用するシステムは、さまざまな状況での予測と意思決定を向上させることが示されていますが、人間と機械のコラボレーションによって予測の精度が向上し、より早期の予測につながるかどうかは不明です。 ACPと緩和ケア。 この研究では、全国の腫瘍内科医のサンプルに連絡し、ビネットベースの調査に協力してもらうよう依頼しました。 私たちの目標は、ML 死亡リスク予測への曝露と臨床医の予後精度および意思決定との関連を調べることでした。 我々は、進行性非小細胞肺がん（aNSCLC）患者に特有の、年齢、性別、パフォーマンス状態、喫煙歴、疾患の範囲、症状、分子状態によって異なる 3 つの臨床シナリオを説明する 6 つの一連のエピソードを提示しました。 私たちはこれらのビネットベースの調査を使用して、ML 死亡リスク予測への曝露と腫瘍内科医の予後精度および意思決定との関連を調査します。