Uczenie maszynowe do przewidywania ostrej opieki podczas terapii raka (Chemo-SHIELD)

Opisany wcześniej model oparty na uczeniu maszynowym (ML) dokładnie przewidywał wizyty na SOR lub hospitalizacje pacjentów z rakiem poddawanych radioterapii lub chemioradioterapii. Zatwierdzone przez IRB prospektywne randomizowane badanie SHIELD-RT (NCT04277650) wykazało, że interwencja zapobiegawcza u pacjentów poddawanych radioterapii i chemioradioterapii oparta na stratyfikacji ryzyka modelu ML zmniejszyła względne ryzyko wizyt w nagłych przypadkach o 50%, wykazując, że eskalacja opieki kierowana przez ML udoskonalona zindywidualizowana opieka wspomagająca i przestrzeganie zaleceń dotyczących leczenia przy jednoczesnym obniżeniu kosztów opieki zdrowotnej.

Celem tego badania jest zastosowanie tego sprawdzonego modelu opartego na ML do kohorty pacjentów poddawanych terapii systemowej jako ambulatoryjnemu leczeniu raka w celu wygenerowania automatycznego systemu do przewidywania nieplanowanych wskaźników przyjęć do szpitala i spotkań na oddziale ratunkowym. Po zatwierdzeniu badanie to zostanie dodane do wcześniej opublikowanych dowodów wspierających randomizowane badanie oceniające zdolność algorytmu ML do przypisywania interwencji pacjentom otrzymującym terapię systemową o najwyższym ryzyku w przypadku spotkań w nagłych wypadkach.