BLANDISH (mózg, utrata funkcji, tętniak, choroba, uraz, udar, krwotok) (BLANDISH)

W NeuroICU leczenie zazwyczaj opiera się na wytycznych opartych na konsensusie naukowym. Mimo to rokowanie u pacjentów z krwotokami śródczaszkowymi nie poprawiło się znacząco w ciągu ostatnich dziesięcioleci, co skutkuje ogólnie niezadowalającymi wynikami leczenia. Choć randomizowane badania kontrolowane (RCT) uważane są za złoty standard badań klinicznych, ich przeprowadzenie może być kosztowne i stanowić wyzwanie etyczne. Badania obserwacyjne stanowią alternatywną metodę, oferującą większe zbiory danych obejmujące dłuższe okresy, co może być bardziej korzystne i wykonalne w przypadku niektórych przedsięwzięć badawczych.

Algorytmy uczenia maszynowego (ML), w przeciwieństwie do klasycznych metod statystycznych, mają możliwość przetwarzania ogromnej liczby zmiennych, oferując podmiotom świadczącym opiekę zdrowotną spersonalizowane i niezawodne podejście do zarządzania pacjentami. Uznając potrzebę dobrze zaprojektowanych badań w celu zidentyfikowania optymalnych strategii terapeutycznych dla pacjentów z neurokrytycznym stanem oraz uznając ograniczenia istniejących wytycznych, naszym celem jest wykorzystanie programów uczenia maszynowego do opracowania zaawansowanego systemu zdolnego do odkrywania wzorców danych i łączenia ich z potencjalnymi wynikami.

Projekt BLANDISH koncentruje się na pacjentach ze spontanicznym krwotokiem śródmózgowym (sICH), schorzeniem, dla którego nie ma udowodnionego korzystnego leczenia. Gromadząc i analizując dane od pacjentów z sICH przyjętych na oddział intensywnej terapii, projekt ma na celu opracowanie nadzorowanego algorytmu ML o nazwie BLANDISH.

Algorytm ten dokona stratyfikacji pacjentów na podstawie rokowania, identyfikując osoby o najwyższym ryzyku śmierci i wtórnych uszkodzeń mózgu. Prowadząc każdego pacjenta w stronę najbardziej ukierunkowanej strategii terapeutycznej, algorytm może pomóc w poprawie wyników leczenia pacjentów i ocenie skuteczności obecnych praktyk klinicznych. Dodatkowo może umożliwić pracownikom służby zdrowia lepszą alokację zasobów i wprowadzenie zindywidualizowanych programów terapeutycznych opartych na medycynie precyzyjnej, potencjalnie skracając czas hospitalizacji i koszty opieki zdrowotnej.

Początkowy etap opracowywania algorytmu BLANDISH obejmuje gromadzenie danych klinicznych przechowywanych w ustrukturyzowanym zbiorze danych, który służy jako repozytorium danych. Platforma ta będzie gromadzić informacje na temat przebiegu klinicznego pacjentów sICH przyjętych na oddział intensywnej terapii. Po zebraniu danych kolejne etapy obejmują wstępne przetwarzanie, wybór zmiennych skorelowanych ze śmiertelnością pacjenta oraz uczenie algorytmu na podstawie danych wejściowych i wewnętrzną walidację w celu kontroli jego zachowania. Nastąpi weryfikacja zewnętrzna, obejmująca gromadzenie danych z różnych ośrodków klinicznych w celu oceny wiarygodności algorytmu i jego zdolności do uogólniania. Następnie zostanie przeprowadzone wieloośrodkowe obserwacyjne badanie kliniczne w celu walidacji algorytmu BLANDISH i określenia jego wpływu na wyniki leczenia pacjentów z sICH. Ostatnia faza obejmuje badanie przeżycia porównujące pacjentów z grupy eksperymentalnej (której leczenie opiera się na metodzie BLANDISH) z pacjentami stosującymi standardową praktykę kliniczną. Celem projektu jest wykazanie wyższości podejścia ML nad obecnymi wytycznymi, ocena dokładności i potencjalnych ulepszeń w leczeniu pacjentów w różnych placówkach opieki.