計算支援による膵臓がん患者発見と受療アクセス最適化

科学分野:

• 腫瘍学
• ヘルスインフォマティクス
• 医療における人工知能

背景:

• 患者ナビゲーターはがん治療において重要ですが、患者の特定と紹介は依然として課題です。
• 診断と治療への適時アクセスは、患者の転帰を改善するために不可欠です。
• 計算手法は、患者の特定と紹介プロセスを合理化するための潜在的なソリューションを提供します。

研究 の 目的:

• 画像診断レポートから生検、腫瘍科受診、治療までの時間を、計算支援ナビゲーション紹介フロー導入前と比較すること。
• この新しいワークフローが多様な人口統計グループ全体でのケア提供に与える影響を評価すること。
• ナビゲーション紹介フローが患者の生存転帰に与える影響を評価すること。

主な方法:

• 品質改善イニシアチブにより、膵臓がんが疑われる患者の2つのコホートを比較しました。
• 機械学習ベースの自然言語処理（NLP）モデルが放射線科レポートを分析し、異常所見を特定しました。
• ナビゲーション対象として特定された患者は、フォローアップケアを迅速化するために積極的に連絡されました。

主要な成果:

• NLP支援ナビゲーションを利用した前向きコホートでは、生検、腫瘍科受診、治療までの時間が数値的に短縮されました。
• 統計的有意差はありませんでしたが、これらの時間指標は標準偏差の有意な減少を示しました（p < 0.001）。
• 人種的および民族的マイノリティ全体でケア提供の改善が観察され、コホート間の生存率は同等でした。

結論:

• NLP支援の特定ワークフローは、がんケア提供と診断調査を改善する可能性を示しています。
• この研究は、計算手法が患者ナビゲーションの効率を向上させる可能性があることを示唆しています。
• より大規模なコホートによるさらなる研究により、これらの発見を検証し、腫瘍学におけるAI駆動の患者特定化の利点を確認する必要があります。