인도와 네덜란드의 방사선 종양학을 위한 개인 건강 교육 (TRAIN)

"암 치료의 빅 데이터 분석은 정교한 통계 모델의 도움을 받아 풍부한 환자 의료 기록에서 귀중한 임상 통찰력을 얻을 수 있는 엄청난 잠재력을 가지고 있으며, 이는 인구 기반 결과를 개선하고 암 치료의 더 깊은 개인화로 이어질 것입니다. 그러나 임상 데이터(의료 이미지, 임상 검사 및 실험실 결과 포함)는 모든 클리닉 내의 연결되지 않은 "사일로"에 잠겨 있습니다. 또한 환자 정보는 개인 정보 문제 및 기밀 위반에 매우 민감합니다.

연구자들은 혁신적인 Personal Health Train 접근 방식을 개척하여 최상의 치료법(즉, 결정 지원)은 환자 기록이 원래 진료소를 떠나지 않고도 액세스할 수 있습니다. 이것은 확장 가능한 데이터 아키텍처에 대한 현재 작업을 확장하여 인도와 네덜란드의 정량적 이미징 데이터(클리닉에서 이미지를 가져오지 않음) - NWO/DeITy BIONIC에서 학습합니다. 연구자들은 현재 치료의 바람직하지 않은 부작용에 대한 모델을 포함하여 치료 후 임상 결과에 대한 수많은 모델을 개발했습니다. 연구자들은 KWF-ProTraIT 및 Horizon2020-BD2DECIDE와 같은 다기관 임상 의사 결정 지원 프로젝트 내에서 빅 데이터 통합 ​​작업을 계속 주도하고 있습니다.

TRAIN 프로젝트의 전반적인 목표는 빅 데이터(이미지, 실험실 테스트 및 임상 시험 포함)를 결합하여 인도와 네덜란드의 두경부암 환자의 결과를 개선하는 것입니다. 조사관은 개별 환자 특성과 지역 진단 및 치료 능력을 고려하여 어떤 치료가 최상의 결과를 제공하는지 예측하기 위해 데이터 기반 의사 결정 지원 시스템을 만들어 이를 수행할 것입니다. 양국의 암 전문의들은 이 의사 결정 지원 시스템의 설계 및 임상 평가를 이끌게 되며, 이는 인도와 네덜란드에서 접하게 되는 모든 설정에 걸쳐 여러 클리닉에 배치될 수 있습니다.

두경부암은 네덜란드에서 비교적 드문 질환으로 학습할 수 있는 데이터 양이 인도보다 훨씬 적습니다. 반대로 인도 환자는 일반적으로 네덜란드 환자에 비해 더 진행된 암 단계에 있습니다. 환자와 치료의 이러한 차이는 더 나은 예측 모델을 학습하기 위해 머신 러닝 알고리즘에 의해 활용될 수 있습니다. 개별 환자 특성, 환자 선호도 및 주요 도심 이외의 치료 용량 분포로 인해 두 국가의 지침 편차가 일반적이기 때문에 의사 결정 지원 시스템이 필수적입니다.

위의 목표를 달성하기 위해 조사관은 먼저 ICT 인프라(Philips India와 협력하여)를 배포하여 두경부암 환자의 임상, 영상 및 결과 데이터를 검색, 액세스, 상호 운용 및 재사용(FAIR)할 수 있도록 현지 병원 정보 시스템을 연결합니다. 빅 데이터. 그런 다음 조사관은 의사 결정 지원 시스템을 개발하기 위해 개인 정보를 보호하는 Personal Health Train 접근 방식을 사용하여 각 참여 병원의 빅 데이터 리포지토리를 탐색하는 학습 알고리즘을 배포합니다. 인도와 네덜란드의 암 전문의들은 전향적 무작위 임상 시험을 통해 의사 결정 지원 시스템의 임상적 유용성을 공동으로 평가할 것입니다."