在未切除的非转移性非小细胞肺癌中识别放射治疗意图的算法:一项IO优化分析
Eleanor Ralphs1, Caroline Rault2, Alan Calleja1
1Real World Solutions, IQVIA, The Point, 37 N Wharf Rd, London, W2 1AF, England.
Future oncology (London, England)
|June 21, 2024
概括
算法准确地识别了非小细胞肺癌 (NSCLC) 患者的放射治疗意图,使用现实世界的数据. 这有助于对接受放射治疗的NSCLC患者的治疗意图进行分类,包括或不包括全身抗癌疗法.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 放射治疗研究 放射治疗研究
背景情况:
- 对治疗意图的准确分类对于非小细胞肺癌 (NSCLC) 管理至关重要.
- 现实世界的数据往往会带来缺失或不完整的治疗意图信息的挑战.
- 放射治疗 (RT) 在NSCLC治疗方案中发挥着重要作用.
研究的目的:
- 开发和评估用于识别NSCLC患者放射治疗意图的算法.
- 通过使用来自不同医疗保健环境的真实数据来评估算法性能.
- 在常规临床实践中提供准确的治疗意图分类工具.
主要方法:
- 基于放射治疗的持续时间,类型和剂量,开发了三种算法.
- 使用IPO-Porto (葡萄牙) 和REAL-瘤学数据库 (英国) 的回顾性数据.
- 与参考数据集进行验证,以确定准确性和性能指标.
主要成果:
- 在接受RT加全身抗癌疗法 (SACT) 的患者中,所有三种算法都显示出高整体准确性 (91-100%).
- 算法#2 (RT持续时间和类型) 和#3 (RT剂量) 在仅接受RT的患者中实现了极好的准确性 (>99%).
- 开发的算法在不同的数据源中显示出强大的性能.
结论:
- 开发的算法有效地识别了现实环境中的NSCLC患者的放射治疗意图.
- 这些工具可以改善数据分析和患者分层,在意图信息不完整的情况下.
- 这些发现支持将这些算法集成到NSCLC护理的临床数据管理系统中.
