Machine learning om acute zorg tijdens kankertherapie te voorspellen (Chemo-SHIELD)

Een eerder beschreven op machine learning (ML) gebaseerd model voorspelde nauwkeurig SEH-bezoeken of ziekenhuisopnames voor kankerpatiënten die bestralingstherapie of chemoradiatie ondergingen. Een IRB-goedgekeurde prospectieve gerandomiseerde studie, SHIELD-RT (NCT04277650), vond dat preventieve interventie voor patiënten die bestraling en chemoradiatie ondergingen op basis van de risicostratificatie van het ML-model het relatieve risico op acute zorgbezoeken met 50% verminderde, wat aantoont dat ML-geleide escalatie van zorg verbeterde gepersonaliseerde ondersteunende zorg en therapietrouw terwijl de kosten voor gezondheidszorg werden verlaagd.

Het doel van deze studie is om dit gevalideerde op ML gebaseerde model toe te passen op een cohort van patiënten die systemische therapie ondergaan als poliklinische kankerbehandeling om een ​​automatisch systeem te genereren voor de voorspelling van ongeplande ziekenhuisopnames en ontmoetingen op de spoedeisende hulp. Eenmaal gevalideerd, zal deze studie bijdragen aan de eerder gepubliceerde hoeveelheid bewijs ter ondersteuning van een gerandomiseerde studie die het vermogen van het ML-algoritme evalueert om interventie toe te wijzen aan patiënten die systemische therapie krijgen met het hoogste risico op acute zorgontmoetingen.