算法识别需要提前护理计划对话的癌症患者

许多癌症患者没有机会讨论他们的治疗意愿，直到他们的病情发展到一定程度，这时与亲人或医生讨论这些问题可能已经太晚了。现在，宾夕法尼亚大学医学院(Penn medicine)领导的一个团队开发了一种算法，可以标记出哪些患者会从及时的关于其临终目标和愿望的对话中获益最多，以便尽早开始对话。在今天发表的一项新研究中《美国医学会杂志》网络开放同时，在加州旧金山举行的美国临床肿瘤学会(ASCO)肿瘤学支持护理研讨会上，研究人员发现，在这些对话中被算法标记为“高优先级”的患者中，51%在评估后的六个月内死亡，而在“低优先级”组中，只有不到4%的患者死亡。这些发现表明，该算法准确地捕捉到那些将从及时讨论他们的目标、价值观和护理偏好中获益最多的患者。

这项研究被认为是研究机器学习应用的第一个，如果不是第一个的话算法对肿瘤病人。

该研究的主要作者Ravi Parikh医学博士说:“在任何一天，实际上很难确定我的诊所中哪些病人会从积极的高级护理计划对话中受益最多。”Ravi Parikh是宾夕法尼亚大学医学伦理和健康政策的讲师，也是下士Michael J. Crescenz VA医疗中心的主治医生。“除非有人提醒，病人通常不会提出他们的愿望和目标，而在繁忙的诊所里，医生可能没有时间这样做。拥有这样的算法可能会让诊所里的医生停下来思考，‘现在是讨论病人偏好的合适时机吗?’”

研究人员应用了三种不同的预测模型，对在宾夕法尼亚大学卫生系统内的两家医院接受门诊肿瘤治疗的26525名患者进行了研究。每种方法都使用了患者电子健康记录中常见的信息:人口统计学特征(如性别和年龄)，标准共病数据(如患者是否患有糖尿病)高血压，以及实验室和心电图数据。

与其他机器学习技术相比，如“梯度增强”和“逻辑回归，该团队在这项研究中建立的“随机森林模型”得出了最好的预测结果:大约一半的高危患者在6个月内死亡，近65%的患者在大约一年半后死亡(相比之下，低风险患者的死亡率为7.6%)。在对15名肿瘤学家的调查中，他们一致认为，在被算法识别为“高风险”的患者中，有60%绝对适合立即讨论他们的意愿。

这个算法是在宾夕法尼亚大学医学院的一个研究团队的帮助下创建的，他们也开发了一个不同的算法，用于类似的目的，称为Palliative Connect。该系统用于触发与姑息治疗工作人员的会诊，最近发现它特别有效，会诊增加了74%。但由帕里克领导的这项研究有所不同，因为它的目标是在门诊环境中增加患者和肿瘤医生之间的对话。

Parikh说:“我们对这种决策支持方法的可扩展性感到兴奋，不仅仅是在肿瘤学领域。”“我们使用机器学习实时标记高危患者的过程是广泛适用的，我们的方法以一种可用的方式对患者进行风险分层，这是我们以前从未有过的。”

现在，该算法已经显示出了前景，帕里克说，它正在一家医疗中心实施，该中心不是这项研究最初试点的一部分。在那里，研究人员正在测试，确定交谈的最佳患者是否真的会促使医生发起这些讨论。研究人员目前正在进行一项有大约100名临床医生参与的随机对照试验，试验将持续3到6个月。

帕里克说:“我们试点项目的初步数据表明，使用这种算法可以促进这些对话。”

---

---