이동성 암 환자의 이상을 찾기 위한 인공지능 (IASAAC)

치료하는 동안 암 환자는 질병과 관련된 부작용뿐만 아니라 그들이 받는 다양한 치료와 관련된 부작용을 경험할 수 있습니다.

현재 부작용과 독성은 특히 NCI CTCAE 기준을 통해 종양학 커뮤니티에서 잘 성문화되어 있습니다.

혈액 샘플이나 CTscan과 같은 객관적인 데이터와 달리 환자 평가의 주요 편향은 주어진 시간에 의사 또는 그 팀의 주관적인 평가이며 이는 전반적인 상황(더 좋든 나쁘든)을 반영하지 않을 수 있습니다. 여러 연구에서 이미 의료 및 환자 데이터 수집 간의 불일치를 강조했습니다.

증상에 대한 자가 평가는 이러한 편향을 극복하는 한 가지 방법입니다. 게다가 이제 집에서 이러한 자체 평가를 수행할 수 있는 많은 솔루션이 있습니다.

이러한 도구 덕분에 이제 예약된 평가(예: 화학 요법 치료 전 또는 수술 후)와 예약되지 않은 상황(평가 양식을 트리거할 수 있는 것은 환자 자신인 경우)의 두 가지 상황이 있습니다.

이러한 새로운 평가 방법을 통해 삶의 질에 접근할 수도 있습니다. 환자 보고 결과(PRO)는 이제 환자의 증상을 감지하고 의료 제공자에게 유용한 임상 정보를 제공하는 유효한 증거 기반 분석입니다.

이 연구의 목표는 이전 PRO 연구보다 한 단계 더 나아가 기계 학습 알고리즘을 훈련하여 위험 상황을 감지하고 미래의 전향적 및 무작위 시험을 위한 실행 가능한 솔루션의 토대를 마련하는 능력을 평가하는 것입니다.