Narzędzia AI mogą zaoferować pacjentom chorym na raka bardziej spersonalizowaną opiekę po leczeniu onkologicznym
Szacuje się, że w Europie ponad 12 milionów osób przeżywa po zdiagnozowaniu raka, a dzięki postępom we wczesnej diagnostyce i nowym metodom leczenia liczba ta prawdopodobnie wzrośnie. Pomimo tej poprawy osoby, które przeżyły raka, nadal zgłaszają liczne niezaspokojone potrzeby fizyczne, czynnościowe i psychospołeczne. Według lekarki Maríi Torrente kluczowym problemem są modele opieki po leczeniu onkologicznym postrzegające pacjentów jako osoby cierpiące na schorzenia ostre (nagłe i poważne), a nie przewlekłe (rozwijające się przez dłuższy czas). „Opieka nad osobami, które przeżyły chorobę nowotworową, jest często traktowana po macoszemu, fragmentaryczna i źle zintegrowana z głównym nurtem opieki nad chorymi na raka. Przy braku wytycznych opartych na dowodach klinicyści często polegają na własnym doświadczeniu i wiedzy specjalistycznej” — mówi Torrente, która jest również koordynatorką finansowanego ze środków UE projektu CLARIFY. W ramach projektu CLARIFY zastosowano technologie big data i sztucznej inteligencji (AI), aby pomóc zidentyfikować wczesne czynniki ryzyka powikłań zdrowotnych. W oparciu o dane kliniczne, genomiczne i behawioralne pacjentów, uzupełnione o otwarte dane, badacze pracujący przy projekcie CLARIFY opracowali spersonalizowane procedury kontrolne.
System wspomagania decyzji
Centrum podejścia CLARIFY była cyfrowa platforma wspomagania decyzji, opracowana w celu umożliwienia lekarzom monitorowania i analizowania stanu zdrowia pacjentów w czasie rzeczywistym. Klinicyści, wspomagani przez algorytmy i modele stratyfikacji ryzyka, następnie dopasowywali spersonalizowane interwencje. Algorytmy zostały przeszkolone na danych pochodzących z różnych źródeł, w tym: rejestrów klinicznych raka piersi i raka płuc, rejestru nowotworów klatki piersiowej, naukowych baz danych (na przykład DrugBank i SIDER) oraz publikacji naukowych (takich jak PubMed). Za pomocą przetwarzania języka naturalnego następnie połączono te dane z istniejącymi słownikami biomedycznymi, takimi jak Unified Medical Language System (UMLS). Opracowano również narzędzie interakcji lek-lek w celu identyfikacji znanych interakcji między lekami onkologicznymi i nieonkologicznymi.
Profilowanie i testowanie ryzyka
„Większość profili ryzyka pacjentów opiera się na stadium nowotworu lub stanie zdrowia. Aby opracować indywidualne oceny ryzyka, zintegrowaliśmy anonimowe dane kliniczne z elektronicznych kart zdrowia pacjentów z danymi z urządzeń do noszenia i kwestionariuszy jakości życia” — wyjaśnia Torrente. Podczas obserwacji pacjentów ponad 1000 osób, które przeżyły raka piersi, raka płuc lub chłoniaka, zostało przydzielonych do kategorii niskiego lub wysokiego ryzyka w oparciu o ich specyficzne leczenie i prawdopodobieństwo nawrotu, nowotworów wtórnych i toksyczności. Uczenie maszynowe na platformie umożliwiło następnie stworzenie modeli predykcyjnych i wydanie zaleceń, które klinicyści wykorzystali do określenia optymalnych ścieżek dalszego działań. Platforma i modele zostały zatwierdzone przez klinicystów i personel medyczny oddziału onkologii medycznej HUPHM (strona internetowa w języku hiszpańskim), w tym podczas 12 sesji szkoleniowych. „Oprócz otrzymywania informacji zwrotnych na temat platformy, sesje te nauczyły klinicystów, jak zintegrować jej funkcje ze swoją praktyką” — zauważa Torrente. Walidacja kliniczna i weryfikacja wyników zostały przeprowadzone przez oddział onkologii medycznej HUPHM i twórcę platformy HOLOS, aby zapewnić optymalny przepływ danych i ich przetwarzanie. W celu przetestowania urządzeń do noszenia Kronowise, zespół rejestrował stan okołodobowy, jakość snu i aktywność fizyczną 350 ochotników chorych na raka, 24 godziny na dobę, przez tydzień. Wyniki zostały następnie porównane z ogólną populacją, co pozwoliło pracownikom służby zdrowia zidentyfikować obszary wymagające dostosowanych interwencji. Trzy miesiące później oceniono ich wpływ. „Stwierdziliśmy, że wskaźniki jakości życia poprawiły się w przypadku wszystkich trzech ocenianych patologii, zwłaszcza raka płuc” — mówi Torrente.
Ulepszone terapie
Rozwiązanie CLARIFY oferuje unikalny dostęp do szerokiej gamy źródeł danych. „Nasze dane pochodzące z elektronicznej dokumentacji medycznej zapewniają klinicystom bardzo dokładny wgląd w zachowanie pacjentów, ich reakcje i wyniki, co pozwala na uzyskanie bardzo szczegółowych wskazówek. Nasze podejście może wspierać bardziej proaktywną krajową lub ogólnoeuropejską politykę zdrowotną, poprawiając wyniki zdrowotne i zmniejszając obciążenie systemów opieki zdrowotnej” — podsumowuje Torrente. Na razie zespół kontynuuje wdrażanie platformy w praktyce klinicznej.
Słowa kluczowe
CLARIFY, rak, opieka po leczeniu, sztuczna inteligencja, urządzenie do noszenia, osoba, która przeżyła, leczenie, opieka zdrowotna
