Usando PNL e redes neurais para identificar autonomamente asma grave e determinar a elegibilidade do estudo em um grande sistema de saúde

A asma é uma doença heterogênea. A heterogeneidade da asma é apoiada por observações clínicas e estudos de associação genômica ampla (GWASs) que identificaram mais de 200 loci de suscetibilidade à asma no DNA. Esses “pontos críticos” genéticos estão próximos de citocinas inflamatórias, fatores de crescimento e outras proteínas inflamatórias conscientemente ligadas à inflamação das vias aéreas, incluindo as citocinas IL-4, -5, -13, -25, -33 e TSLP.

Novas terapias com anticorpos monoclonais mudaram drasticamente o tratamento da asma moderada a grave. Novas terapias com anticorpos monoclonais introduzidas nos últimos 7 anos têm opções de tratamento muito avançadas para pacientes com asma moderada a grave. Essas terapias reduzem ou eliminam efetivamente as exacerbações graves, previnem hospitalizações e melhoram a qualidade de vida dos pacientes. Contudo, muitos pacientes com asma grave, particularmente aqueles que vivem em áreas desfavorecidas, ainda são tratados em excesso com esteróides e subtratados com anticorpos monoclonais.

A Lei de Curas do Século 21 mudará o cenário da pesquisa. A Lei de Curas do Século XXI reforçou a utilização de dados do mundo real (RWD) e de provas do mundo real (RWE) para apoiar ensaios clínicos, ajudar nas decisões de cobertura de medicamentos, desenvolver directrizes nacionais de tratamento, bem como ferramentas padronizadas de apoio à decisão. Uma fonte subutilizada de RWE/D são os registros eletrônicos de saúde (EHR). O aprendizado de máquina (ML), a IA e o processamento de linguagem natural (PNL) estão desenvolvendo tecnologias que aumentarão enormemente nossa capacidade de aproveitar dados em sistemas EHR.

O estudo visa usar novas tecnologias (ML, AI, PNL), para identificar autonomamente populações com asma moderada a grave dentro de um sistema EHR, descrever diferenças nos padrões de tratamento em diferentes populações e determinar a elegibilidade do ensaio.

Objetivos primários Certifique-se de detalhar os objetivos primários Objetivo 1. Determinar e validar um diagnóstico de asma grave (AS) usando recursos preditivos obtidos do Scripps Health EHR.

• Objetivo 1a: Usar ML aplicado a dados estruturados de EHR para prever SA. Use a opinião de dois médicos especializados e as diretrizes da ATS para determinar a precisão do modelo.
• Objetivo 1b: Usar PNL aplicada a texto não estruturado para prever SA. Determine a precisão do modelo conforme acima no Objetivo 1a.
• Objetivo 1c: Usar uma combinação de ML aplicada a dados estruturados para prever SA. Determine a precisão do modelo conforme acima no Objetivo 1a.