从胰腺癌患者的旅程中挖掘过渡性序列模式的概念
Jonas Hügel1,2, Jan Janosch Schneider1, Daniel Tran Ortega1
1University Medical Center Göttingen, Department of Medical Informatics, Germany.
Studies in health technology and informatics
|September 5, 2024
概括
在患者数据中发现时间模式可以优化胰腺癌治疗. 分析医疗事件的序列有助于确定有效的治疗策略,并改善患者的治疗结果.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 数据科学数据科学数据科学
背景情况:
- 胰腺癌是侵略性的,预后不好,需要优化治疗策略.
- 临床试验程序的顺序,如化疗-放射治疗,至关重要,但可能不完整.
- 患者病史中的其他时间序列可能会影响治疗反应和结果.
研究的目的:
- 探索从患者医疗轨迹中提取过渡性顺序模式的实用性.
- 鉴定胰腺癌等复杂疾病的时间特征.
- 展示发现的顺序模式如何有助于胰腺癌研究和患者护理.
主要方法:
- 使用数据挖掘技术从电子健康记录中提取过渡性顺序模式.
- 分析患者的医疗轨迹,以确定重要的时间序列.
- 将模式发现应用于胰腺癌患者数据.
主要成果:
- 展示了一种在患者数据中发现复杂时间模式的方法.
- 突出了这些模式揭示以前未被识别的治疗序列的潜力.
- 在胰腺癌的背景下展示了这种方法的应用.
结论:
- 过渡性顺序模式提取为了解疾病进展提供了一种新的方法.
- 识别时间特征可以导致更有效的胰腺癌治疗策略.
- 这种方法对推进个性化医疗和改善瘤学患者护理具有前景.
