机器学习触发的提醒改善了癌症患者的临终关怀
根据 Penn Medicine 研究人员发表的一项随机临床试验的长期结果，基于预测死亡风险的机器学习算法向医疗保健临床医生提供的电子助推使与患者就其临终护理偏好进行对话的比率翻了两番今天在JAMA 肿瘤学上。该研究还发现，机器学习触发的提醒显着减少了临终时积极化疗和其他全身疗法的使用，研究表明，这与生活质量差和副作用有关，这些副作用可能导致他们在生命的最后几天不必要地住院。
对于癌症发展到无法治愈阶段的患者，一些人可能会优先考虑能够尽可能延长生命的治疗，而另一些人可能更喜欢旨在最大程度减少疼痛或恶心的护理计划，具体取决于他们的疾病前景。与患者谈论他们的预后和价值观可以帮助临床医生制定更符合每个人目标的护理计划，但在患者病情恶化之前进行讨论至关重要。
“这项研究表明，我们可以使用信息学来改善临终关怀， ”资深作者 Ravi B. Parikh 医学博士说，他是大学佩雷尔曼医学院的肿瘤学家和医学伦理学和卫生政策与医学助理教授宾夕法尼亚州和艾布拉姆森癌症中心宾夕法尼亚癌症护理创新中心副主任。“与癌症患者就他们的目标和愿望进行沟通是护理的关键部分，可以减少临终时不必要或不想要的治疗。问题是我们做得不够，而且很难确定什么时候该做是时候与特定患者 进行对话了。”
Parikh 及其同事之前展示了一种机器学习算法可以识别出在未来六个月内死亡风险高的癌症患者。他们将该算法与电子邮件和短信形式的基于行为的“轻推”相结合，以提示临床医生在与高危患者会面时发起严重疾病对话。该研究的初步结果于 2020 年发表，表明为期 16 周的干预使这些对话的发生率增加了两倍。
作为癌症治疗中基于机器学习的行为干预的首个随机试验，该研究代表了人工智能在肿瘤学领域迈出的重要一步。该研究包括 20,506 名在 Penn Medicine 的几个地点接受癌症治疗的患者，总共有超过 40,000 名患者就诊，使其成为最大的基于机器学习的干预研究，重点是肿瘤学中的严重疾病护理。
今天公布的研究结果表明，在 24 周的随访期后，高危患者的谈话率几乎翻了两番，从 3.4% 增至 13.5%。在研究期间死亡的患者中，在生命的最后两周使用化疗或靶向治疗的比例从 10.4% 下降到 7.5%。干预对其他临终指标没有影响，包括临终关怀登记或住院时间、住院患者死亡或临终重症监护病房的使用。
值得注意的是，在未被算法标记为高风险的患者中也观察到关于护理目标的对话有所增加，这表明这些推动导致临床医生在他们的实践中改变了他们的行为。在所有患者人口统计数据中都观察到这种增加，但在医疗保险受益人中增加的更多，这表明干预可能有助于纠正关于严重疾病的对话中的差异。
基于这项研究的结果，研究团队将相同的方法扩展到宾夕法尼亚大学卫生系统内的所有肿瘤学实践，目前正在分析这些结果。该研究的其他计划包括将 AI 算法与早期姑息治疗转诊提示配对，并使用该算法进行患者教育。
“虽然我们显着增加了患者与临床医生之间关于严重疾病的对话次数，但仍然只有不到一半的患者进行了对话，”Parikh 说。“我们需要做得更好，因为我们知道，当医疗保健临床医生了解每位患者的个人目标和护理重点时， 患者会受益。”
版权声明：本文由用户上传，如有侵权请联系删除！