算法识别癌症患者需要推进护理计划的对话

许多癌症患者没有得到治疗的机会,讨论他们的愿望,直到他们的疾病进展太远,当它可能已经太迟了那些与亲人的讨论或医生。现在,佩恩Medicine-led团队开发了一个算法,旗帜的患者将受益最及时讨论他们的临终的目标和愿望,为了提前开始对话。今天在新发布的研究报告《美国医学会杂志》网络开放同时发表于美国临床肿瘤学会(ASCO)支持性护理在肿瘤学研讨会在旧金山,CA-researchers发现51%的病人算法标记为“高优先级”这些谈话后来在六个月内死于他们的评价,而“低优先级”组的不到百分之四。这些发现表明该算法准确地捕捉那些将受益最多的病人及时讨论他们的目标、价值观和偏好。

这项研究被认为是一个,如果不是第一,调查一个机器学习的应用算法对肿瘤病人。

“在任何一天,这是相当难以确定哪些病人在我的诊所将受益最积极的先进护理计划的谈话,”说,这项研究的主要作者拉维•帕里克说,医学博士,讲师的医学伦理和宾夕法尼亚大学卫生政策和医师下士迈克尔·j·Crescenz VA医学中心。“患者常常不抚养他们的愿望和目标,除非他们提示,和医生可能没有时间这样做在一个繁忙的诊所。有一个这样的算法可能会使医生在诊所,停下来想一想,“这是正确的时间谈论这个病人的喜好?””

研究人员应用三种不同的预测模型在两家医院26525名患者接受门诊肿瘤护理在宾夕法尼亚大学卫生系统。每个使用的信息通常可以在病人的电子健康记录:性别和年龄等人口特征,标准合并症病人是否等数据高血压和实验室和心电图数据。

相对于其他机器学习技术,如“梯度推进”和“逻辑回归”,“随机森林模型”团队在这项研究导致最好的预测结果:大约一半的高危患者在6个月内死亡,近65%大约一年半后死亡(7.6%的低风险患者相比)。15肿瘤学家受访时,他们同意,60%的这些算法确定的“高危”是绝对适合立即讨论他们的愿望。

该算法是在团队的帮助下宾夕法尼亚大学医学院研究人员也开发了一种不同的算法类似的目的,称为姑息连接。系统是用来触发与缓和医疗人员磋商,最近被发现特别有效,协商增加74%。但研究由帕里克说都是不同的,它是针对增加病人之间的对话和肿瘤学家自己的门诊。

“我们对此项研究倍感兴奋的可伸缩性提供决策支持方法,而不只是在肿瘤学,”帕里克说。“我们使用机器学习的过程实时国旗高危患者是普遍适用的,和我们的方法risk-stratifies病人使用的方式,只是之前没有提供给我们。”

现在算法表明承诺,帕瑞克豪表示,它正在实施的医疗中心,不属于原来的飞行员在这项研究中。,研究人员正在测试是否确定最好的病人谈话实际上促使医生进行讨论。研究人员目前正在对一个随机对照试验,包括大约100名临床医生,会持续三到六个月。

“初始数据从我们的试验表明,使用该算法可以提高这些谈话,”帕里克说。