Personal Health Train for Radiation Oncology i Indien och Nederländerna (TRAIN)

"Big data analytics inom cancervård har en enorm potential för att låsa upp värdefulla kliniska insikter från ett överflöd av patientjournaler, med hjälp av sofistikerade statistiska modeller, som kommer att leda till förbättrade befolkningsbaserade resultat och djupare personalisering av cancerbehandling. Däremot har de kliniska uppgifterna (som inkluderar medicinska bilder, kliniska undersökningar och laboratorieresultat) låsts in i frånkopplade "silos" inom varje klinik. Dessutom är patientinformation extremt känslig för integritetsfrågor och sekretessbrott.

Utredarna har banat väg för det innovativa Personal Health Train-metoden, där stöd för att välja den bästa behandlingen (dvs. beslutsstöd) är tillgänglig utan att några patientjournaler någonsin lämnar ursprungskliniken. Detta utökar vårt nuvarande arbete med en utbyggbar dataarkitektur för att lära av kvantitativ bilddata i Indien och Nederländerna (utan att bilder tas ut från kliniken) - NWO/DeITy BIONIC. Utredarna har nu utvecklat ett flertal modeller för kliniskt resultat efter behandling, inklusive de för oönskade biverkningar av behandlingen. Utredarna fortsätter att leda big data integrationsarbete inom multicenter kliniska beslutsstödsprojekt som KWF-ProTraIT och Horizon2020-BD2DECIDE.

Det övergripande syftet med TRAIN-projektet är att kombinera big data (inklusive bilder, laboratorietester och kliniska undersökningar) för att förbättra resultaten för patienter med huvud- och halscancer i både Indien och Nederländerna. Utredarna kommer att göra detta genom att skapa datadrivna beslutsstödssystem för att förutsäga vilken behandling som ger det bästa resultatet givet individuella patientegenskaper och lokala diagnostiska och behandlingsmöjligheter. Cancerspecialister i båda länderna kommer att leda utformningen och den kliniska utvärderingen av detta beslutsstödssystem, som skulle kunna användas på flera kliniker i alla miljöer som förekommer i Indien och Nederländerna.

Huvud- och halscancer är ett relativt sällsynt tillstånd i Nederländerna, så att den tillgängliga datavolymen är mycket mindre än i Indien. Omvänt uppträder indiska patienter vanligtvis i ett mer framskridet stadium av cancer jämfört med holländska patienter. Dessa skillnader i patienter och behandlingar kan utnyttjas av maskininlärningsalgoritmer för att lära sig bättre prediktiva modeller. Beslutsstödssystem är väsentliga, eftersom riktlinjeavvikelser i båda länderna är vanliga på grund av individuella patientegenskaper, patientpreferenser och ojämn fördelning av behandlingskapacitet utanför större stadskärnor.

För att uppnå ovanstående, distribuerar utredarna först IKT-infrastrukturen (i samarbete med Philips Indien) för att koppla samman lokala sjukhusinformationssystem så att kliniska, avbildnings- och resultatdata om huvud- och halscancerpatienter blir tillgängliga, tillgängliga, interoperabla och återanvändbara (FAIR) stora data. Utredarna distribuerar sedan inlärningsalgoritmer som går igenom big data-förråden på varje deltagande sjukhus, med hjälp av den integritetsbevarande Personal Health Train-metoden, för att utveckla ett beslutsstödssystem. Cancerspecialister i Indien och Nederländerna kommer gemensamt att utvärdera den kliniska nyttan av beslutsstödssystemet med hjälp av en prospektiv randomiserad klinisk prövning."