Клиническая обучающая среда MIRA (ЧУДО): легкие (MIRACLE)

Новые методы обработки данных и визуализации для персонализации ухода выявляются ретроспективно и изучаются во многих центрах. К сожалению, большинство из этих методов требуют значительного ручного вмешательства для применения к любой конкретной ситуации с пациентом, и их трудно применить своевременно, чтобы повлиять на решения пациента о лечении. Клиническое внедрение исследований в области науки о данных потребует автоматизированных конвейеров, которые связаны со всем путем лечения таким образом, чтобы облегчить анализ данных в реальном времени и сделать возможным трансляционное исследование.

Текущий процесс анализа данных изображений клиническими/трансляционными исследователями в больнице принцессы Маргарет (PM)/University Health Network (UHN) включает обширную ручную обработку, состоящую из взаимодействия с электронными базами данных и инструментами анализа для: идентификации пациентов с данными изображений; собрать эти данные; определять интересующие цели вручную (от минут до часов на пациента); анализировать цели на основе выбранных вручную изображений; а затем сопоставить проанализированные изображения с источниками клинической информации (например, результаты или корреляционные данные). Таким образом, проекты с большим количеством пациентов часто сталкиваются с непреодолимыми препятствиями, ограничивающими продуктивность исследований.

MIRA (внутренний разработанный инструментарий программирования) решает общую проблему для всех исследователей в PM/UHN, изучающих диагностику, планирование лучевой терапии и/или визуализацию во время лечения, предоставляя согласованную автоматизированную среду анализа этих данных. MIRA также улучшает исследования, одобренные этикой, за счет прямой связи с клиническими данными в режиме реального времени, включая диагностическую визуализацию, в сотрудничестве с Объединенным отделом медицинской визуализации, информацию о планировании лечения радиационной онкологии и ежедневную визуализацию радиационной онкологии во время лечения. Проект улучшения качества клинической среды обучения MIRA (MIRACLE) предполагает использование платформы MIRA для разработки автоматизированных клинических конвейеров для достижения трех конкретных целей исследования:

Для выявления пациентов с раком легких с недиагностированным фоновым воспалительным заболеванием легких (ИЗЛ) по диагностическим изображениям до лечения.

Для оценки скорости роста опухоли у отдельных пациентов между диагностическими изображениями и изображениями планирования лечения (удельная скорость роста, SGR).

Предоставить каждому пациенту оценку динамического риска токсичности лучевой терапии с использованием информации о планировании лучевой терапии, при этом постоянно обновляя оценки риска с помощью ежедневных изображений конусно-лучевой компьютерной томографии (КЛКТ), которые обычно получают перед каждой лучевой терапией.

MIRACLE безопасно связан с активными хранилищами клинических данных и может напрямую влиять на ежедневные решения по лечению рака, делая существующие данные изображений доступными, быстродоступными, интероперабельными и повторно используемыми как для клинического, так и для исследовательского анализа конечными пользователями, включая врачей, лечащих рак легких. пациентов и исследователей рака. Это облегчает оценку новых результатов исследований изображений у большого числа пациентов для клинического и исследовательского использования. Цель проекта MIRACLE состоит в том, чтобы конкретно продемонстрировать возможность клинической реализации автоматического связывания и анализа данных клинических изображений наряду с клиническими результатами; в конечном счете, помогая предоставлять здравоохранение, основанное на ценности, за счет лучшего отбора пациентов (ILD / SGR) и мониторинга / корректировки лечения для снижения токсичности (CBCT).

Будут собраны отзывы от участвующих онкологов-радиологов, чтобы оценить осуществимость и эффективность демонстрации специфических для пациента сведений о воспалительном заболевании легких (ИЗЛ), удельной скорости роста опухоли более 0,04 (СГР) и системе конусно-лучевой компьютерной томографии (КЛКТ). смены врачей по месту оказания медицинской помощи. Анализ поможет понять, как клиницисты воспринимают информацию, предоставленную им из модели, в отношении прогнозирования ИЗЛ, SGR и изменений плотности легких за период QI, а также изменили ли клиницисты свое решение об уже доступных им данных в результате подсказки модели. классификация риска (т. е. повторное рассмотрение или дальнейшая оценка пациентов на предмет изменений ИЗЛ, СГР и КЛКТ на основе тех пациентов, которые были выделены моделью как пациенты с более высоким риском).