암 치료 중 급성 치료를 예측하는 기계 학습 (Chemo-SHIELD)

이전에 설명한 기계 학습(ML) 기반 모델은 방사선 요법 또는 화학방사선 요법을 받는 암 환자의 응급실 방문 또는 입원을 정확하게 예측했습니다. IRB에서 승인한 전향적 무작위 시험인 SHIELD-RT(NCT04277650)는 ML 모델의 위험 계층화를 기반으로 방사선 및 화학방사선 요법을 받는 환자에 대한 선제적 개입이 급성 치료 방문의 상대적 위험을 50% 감소시켰으며, 의료 비용을 줄이면서 맞춤형 지원 치료 및 치료 순응도를 개선합니다.

이 연구의 목적은 이 검증된 ML 기반 모델을 외래 환자 암 치료로 전신 치료를 받는 환자 집단에 적용하여 계획되지 않은 병원 입원률 및 응급실 만남을 예측하기 위한 자동 시스템을 생성하는 것입니다. 일단 검증되면 이 연구는 급성 치료에 대한 위험이 가장 높은 전신 요법을 받는 환자에 대한 개입을 할당하는 ML 알고리즘의 능력을 평가하는 무작위 시험을 뒷받침하는 이전에 발표된 증거 본문에 추가될 것입니다.