Машинное обучение для прогнозирования неотложной помощи во время терапии рака (Chemo-SHIELD)

Ранее описанная модель на основе машинного обучения (ML) точно предсказывала посещения отделения неотложной помощи или госпитализации для онкологических больных, проходящих лучевую терапию или химиолучевую терапию. Проспективное рандомизированное исследование SHIELD-RT (NCT04277650), одобренное IRB, показало, что превентивное вмешательство у пациентов, подвергающихся лучевой и химиолучевой терапии на основе стратификации риска модели ML, снижает относительный риск обращений за неотложной помощью на 50%, показывая, что эскалация помощи под руководством ML улучшенная персонализированная поддерживающая терапия и соблюдение режима лечения при одновременном снижении затрат на здравоохранение.

Целью этого исследования является применение этой проверенной модели, основанной на машинном обучении, к группе пациентов, проходящих системную терапию в качестве амбулаторного лечения рака, для создания автоматической системы для прогнозирования частоты незапланированных госпитализаций и обращений в отделения неотложной помощи. После проверки это исследование добавит к ранее опубликованному набору доказательств, подтверждающих рандомизированное исследование, оценивающее способность алгоритма ML назначать вмешательство для пациентов, получающих системную терапию, с самым высоким риском обращения за неотложной помощью.