研究人员开发的人工智能(AI) 模型可以预测患者在接受癌症放射治疗期间意外住院的可能性。机器学习模型使用每日步数作为代理来监测患者在接受癌症治疗时的健康状况，为临床医生提供实时方法来提供个性化护理。研究结果将于今天在放射肿瘤学会 (ASTRO) 年会上公布。
估计有 10-20% 的接受门诊放疗或放化疗的患者在癌症治疗期间需要急诊科 (ED) 就诊或住院等形式的急症护理。对于接受癌症治疗的人来说，这些计划外的住院治疗可能是一项重大挑战，会导致治疗中断和压力，从而可能影响临床结果。对并发症风险较高的患者进行早期识别和干预可以预防这些事件。
该研究的资深作者、医学博士 Julian Hong 说：“如果您可以预测患者意外住院的风险，您就可以改变您通过癌症治疗为他们提供支持的方式，并降低他们最终进入急诊室或医院的可能性。”以及加州大学旧金山分校 (UCSF) 放射肿瘤学和计算健康科学助理教授，同时担任放射肿瘤学信息学医学主任。
Hong 博士的团队之前证明，使用癌症病史和治疗计划等健康数据的机器学习算法可以识别癌症治疗期间急诊就诊风险较高的患者，并且其提供者的额外监测降低了这些患者的急性护理率。
对于当前的研究，他和加州大学旧金山分校的主要作者兼临床数据科学家 Isabel Friesner 与纽约 Montefiore 医学中心的医学博士 Nitin Ohri 及其同事合作，将机器学习方法应用于可穿戴消费设备的数据。Ohri 博士及其团队此前在三项前瞻性临床试验(NCT02649569、NCT03102229、NCT03115398)中收集了 214 名患者的数据。
在这些试验中的每一项中，参与者都佩戴健身追踪器，在接受放化疗期间监测他们的活动数周。试验参与者患有不同类型的原发性癌症，最常见的是头颈癌(30%)或肺癌(29%)。
这些患者记录中的步数和其他数据用于开发和测试弹性网络正则化逻辑回归模型，这是一种可以分析大量复杂信息的机器学习模型。他们模型的目标是根据前两周的数据预测患者下周住院的可能性。
研究人员首先使用来自 70% 的试验参与者(151 人)的数据，通过检查不同变量预测住院的程度来创建该模型。模型中的潜在预测因子包括患者特征(例如年龄、ECOG 体能状态)以及治疗前和治疗期间测量的活动数据。除了每日步数之外，研究人员还计算了其他指标，例如一个人每周平均步数的相对变化或每周最小和最大步数的差异。
然后研究小组使用剩余的 30% 的患者(63 人)验证了该模型。整合步数的模型强烈预测下周的住院(AUC = 0.80, 95% CI 0.60-0.90)，并且显着优于没有步数的模型(AUC = 0.46, 95% CI 0.24- 0.66，p<0.001)。
“在预测窗口之前的步数通常比临床变量更具预测性。步数的动态性质，它们每天都在变化的事实，似乎使它们成为患者健康状况的一个特别好的指标”洪博士说。
模型中最重要的预测变量包括过去两天每一天的步数，以及过去两周最大步数和步数范围的相对变化。
动态数据的使用将该模型与基于临床数据(如体能状态和肿瘤组织学)的模型区分开来。“这个模型的一个独特部分是它被设计成一个连续的预测，”弗里斯纳女士解释说。“您可以在任何一天运行该算法，并在一周后了解患者的风险水平，让您有时间提供他们需要的额外支持。”
洪博士解释说，这种额外的支持是减少住院的关键，无论是安排更频繁的随访、改变患者的治疗计划还是另一种个性化的方法。“有效的核心是，这是医生看病人的额外接触点。它让病人放心，知道我们正在关注他们。”
“随着越来越多的人开始使用可穿戴设备，他们收集的数据是否有用的问题就出现了。我们的研究表明，让我们的患者在日常生活中收集自己的健康数据是有价值的，我们可以使用这些数据然后监测和预测他们的健康状况，”弗里斯纳女士补充道。
研究人员的下一步包括对由 Ohri 博士领导的 NRGF-001 试验 (NCT04878952) 的算法进行更严格的验证，该试验将随机安排接受 CRT 治疗肺癌的患者接受或不接受每日步数监测的治疗。计步臂患者的医生将在整个治疗过程中接收模型的输出。
研究人员还计划进行其他研究，以检查可穿戴设备收集的其他指标，例如心率，以及它们在临床中的效用。
“可穿戴设备和患者生成的健康数据仍然是相对较新的现象，我们仍在学习它们如何发挥作用。我们还能从生活中的众多传感器中获得哪些其他信息?这些指标如何相互补充并发挥作用与其他类型的数据，如电子健康记录数据?不同的数据点可能对不同的患者更有效，”弗里斯纳女士说。
随着过去几年远程医疗和远程护理的广泛采用，通过患者设备进行远程监控的需求也可能增加。洪博士说，随着这些设备越来越受欢迎，诊所和政策制定者应该牢记这些设备的使用。
“使用现实世界的可穿戴数据时面临的挑战之一是经济和种族差异，这会影响谁拥有可以捕获此类数据的设备。我认为开发对诊所有用且易于访问的工具非常重要惠及更广泛的患者。”