I3LUNG: Integrativ vitenskap, intelligent dataplattform for individualisert lungekreftbehandling med immunterapi

I3LUNG-prosjektet har som mål å oppnå den høyeste ytelsen innen personlig tilpasset medisin gjennom kunstig intelligens/maskinlæring (AI/ML) modellert på multimodale pasientdata, sammen med implementering av en AI/ML-modell i en virkelig setting. Et sett med pasientsentrerte ML-verktøy designet og validert for prosjektet, som bruker den nye virtuelle pasient-AVATAR-enheten for å forutsi progresjon og utfall. For å maksimere effekten, vil bruken av pålitelig forklarbar AI-metodikk integrere AIs iboende ytelser med input fra menneskelig intuisjon for å konstruere en ansvarlig AI-applikasjon som fullt ut kan implementere virkelig individualiserte behandlingsbeslutninger i NSCLC som er tolkbare og pålitelige for klinikere. Det endelige målet er å etablere en verdensomspennende plattform for datadeling og utvikling (DSEP). DSEP vil gi veiledende verktøy for pasienter, og gi informasjon for å skape bevissthet om behandlinger. Til slutt gir den tilgang til forskere og det generelle vitenskapelige samfunnet til de mest oppdaterte datakildene om NSCLC.

Innenfor I3LUNG-prosjektet skal det utvikles en ad-hoc IPDAS for NSCLC-pasienter. Pasientbeslutningshjelpemidler er verktøy som kan brukes av pasienter enten før eller innenfor en konsultasjon med leger. Pasientbeslutningshjelpemidler representerer eksplisitt beslutningen som skal tas og gir pasienter brukervennlig informasjon om hvert behandlingsalternativ ved å fokusere på skader og fordeler. Dette verktøyet kan tillate pasienter å forklare og klargjøre den høye kompleksiteten til informasjonen som tilbys av AI/ML-tilnærmingen. Disse beslutningsstøttesystemene har vist seg å være effektive for å styrke pasienter, forbedre kunnskapen deres, fremme deres aktive deltakelse i kliniske beslutninger om behandlinger og forbedre den generelle pasienttilfredsheten med omsorgen samtidig som de reduserer beslutningskonflikter og beslutningsangst (26-30).

Til slutt, innenfor I3LUNG-prosjektet vil det bli vurdert om bruk av IPDAS under den kliniske konsultasjonen vil fremme kvaliteten på den delte beslutningstakingen så vel som kvaliteten på lege-pasient-kommunikasjonen. Ved siden av evalueringen av effekten av IPDAS, vil det også bli evaluert om inkludering av AI/ML prediktive modeller i klinisk praksis vil være en merverdi for å støtte onkologenes kliniske beslutningstaking og redusere kognitiv tretthet og beslutningskonflikt.

I3LUNG tar i bruk en todelt tilnærming for å utvikle et medisinsk utstyr gjennom opprettelse og validering av retrospektive og prospektive AI-baserte modeller for å forutsi immunterapieffekt for NSCLC-pasienter ved å bruke integrasjon av multikildedata (ekte ord og multi-omics-data) gjennom en retrospektiv - sette opp en transnasjonal plattform med tilgjengelige data fra 2000 pasienter - og en prospektiv - multi-omics prospektiv datainnsamling i 200 NSCLS pasienter - studiefase.

Den retrospektive delen av I3LUNG-prosjektet inkluderer analysen av en multisentrisk retrospektiv kohort på mer enn 2000 pasienter. Denne kohorten vil bli brukt til å utføre en foreløpig kunnskapsutvinningsfase og til å bygge en retrospektiv prediktiv modell for IO (R-Model), som vil bli brukt i den prospektive studiefasen for å lage en første versjon av PDSS-verktøyet, et AI-basert verktøy for å gi en enkel og klar-til-bruk tilgang til prediktive modeller, øke omsorgens hensiktsmessighet, redusere den negative effekten av langvarige og giftige behandlinger på velvære og helsekostnader. Dessuten vil CT- og PET-skanninger bli samlet inn og en første radiomisk signatur vil bli opprettet for å mate R-modellen.

Den prospektive delen av prosjektet inkluderer innsamling og analyse av multi-OMICs-data fra en multisentrisk prospektiv kohort på rundt 200 pasienter. Denne kohorten vil bli brukt til å validere resultatene oppnådd fra den retrospektive modellen gjennom å lage en ny modell (P-Model), som vil bli brukt til å lage det endelige PDSS-verktøyet.