Personlig helsetrening for stråleonkologi i India og Nederland (TRAIN)

"Big data-analyse i kreftomsorg har et enormt potensial for å frigjøre verdifull klinisk innsikt fra en overflod av pasientjournaler, hjulpet av sofistikerte statistiske modeller, som vil føre til forbedrede populasjonsbaserte resultater og dypere personalisering av kreftbehandling. Imidlertid har de kliniske dataene (som inkluderer medisinske bilder, kliniske undersøkelser og laboratorieresultater) blitt låst inne i frakoblede "siloer" innenfor hver klinikk. I tillegg er pasientinformasjon ekstremt sensitiv for personvernspørsmål og konfidensialitetsbrudd.

Etterforskerne har vært banebrytende for den innovative Personal Health Train-tilnærmingen, der støtte for å velge den beste behandlingen (dvs. beslutningsstøtte) er tilgjengelig uten at noen pasientjournaler noen gang forlater opprinnelsesklinikken. Dette utvider vårt nåværende arbeid med en utvidbar dataarkitektur for å lære av kvantitative bildedata i India og Nederland (uten at bilder tas ut av klinikken) - NWO/DeITy BIONIC. Etterforskerne har nå utviklet en rekke modeller for klinisk utfall etter behandling, inkludert de for uønskede bivirkninger av behandlingen. Etterforskerne fortsetter å lede big data-integrasjonsarbeid innenfor multisenter kliniske beslutningsstøtteprosjekter som KWF-ProTraIT og Horizon2020-BD2DECIDE.

Det overordnede målet med TRAIN-prosjektet er å kombinere store data (inkludert bilder, laboratorietester og kliniske undersøkelser) for å forbedre resultatene for hode- og nakkekreftpasienter i både India og Nederland. Etterforskerne vil gjøre dette ved å lage datadrevne beslutningsstøttesystemer for å forutsi hvilken behandling som gir det beste resultatet gitt individuelle pasientkarakteristikker, og lokale diagnostiske og behandlingsevner. Kreftspesialister i begge land vil lede utformingen og den kliniske evalueringen av dette beslutningsstøttesystemet, som kan distribueres i flere klinikker på tvers av alle miljøer som finnes i India og Nederland.

Hode- og nakkekreft er en relativt sjelden tilstand i Nederland, slik at datavolumet som er tilgjengelig for å lære av er mye mindre enn i India. Omvendt kommer indiske pasienter vanligvis på et mer avansert stadium av kreft sammenlignet med nederlandske pasienter. Disse forskjellene i pasienter og behandlinger kan utnyttes av maskinlæringsalgoritmer for å lære bedre prediktive modeller. Beslutningsstøttesystemer er essensielle, siden retningslinjeavvik i begge land er vanlige på grunn av individuelle pasientkarakteristikker, pasientpreferanser og ujevn fordeling av behandlingskapasitet utenfor større bysentre.

For å oppnå det ovennevnte, distribuerer etterforskerne først IKT-infrastrukturen (i samarbeid med Philips India) for å koble sammen lokale sykehusinformasjonssystemer slik at kliniske, bilde- og utfallsdata om hode- og nakkekreftpasienter blir finnbare, tilgjengelige, interoperable og gjenbrukbare (FAIR) stor Data. Etterforskerne distribuerer deretter læringsalgoritmer som krysser de store datalagrene til hvert deltakende sykehus, ved å bruke den personvernbevarende Personal Health Train-tilnærmingen, for å utvikle et beslutningsstøttesystem. Kreftspesialister i India og Nederland vil sammen evaluere den kliniske nytten av beslutningsstøttesystemet ved hjelp av en prospektiv randomisert klinisk studie."