Aprendizado de máquina para prever cuidados agudos durante a terapia do câncer (Chemo-SHIELD)

Um modelo baseado em aprendizado de máquina (ML) descrito anteriormente previu com precisão visitas de emergência ou hospitalizações para pacientes com câncer submetidos a radioterapia ou quimiorradiação. Um estudo prospectivo randomizado aprovado pelo IRB, SHIELD-RT (NCT04277650) descobriu que a intervenção preventiva para pacientes submetidos a radiação e quimiorradiação com base na estratificação de risco do modelo ML diminuiu o risco relativo de visitas de cuidados agudos em 50%, mostrando que o escalonamento de cuidados guiado por ML melhor atendimento de suporte personalizado e adesão ao tratamento, diminuindo os custos de saúde.

O objetivo deste estudo é aplicar este modelo baseado em ML validado a uma coorte de pacientes submetidos a terapia sistêmica como tratamento ambulatorial de câncer para gerar um sistema automático para a previsão de taxas de internação hospitalar não planejada e atendimentos de emergência. Uma vez validado, este estudo será adicionado ao corpo de evidências publicado anteriormente que apóia um estudo randomizado que avalia a capacidade do algoritmo ML de atribuir intervenção a pacientes que recebem terapia sistêmica com maior risco de atendimento agudo.