计算辅助的患者寻找导航,以优化胰腺癌护理访问

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学
• 人工智能在医学中的应用

背景情况:

• 患者导航器在癌症护理中至关重要,但识别和转诊患者仍然是一个挑战.
• 及时获得诊断和治疗对于改善患者结果至关重要.
• 计算方法为简化患者识别和转诊过程提供了潜在的解决方案.

研究的目的:

• 为了比较从放射性报告到活检,瘤诊所的时间,以及在实施计算辅助导航推流之前和之后的治疗.
• 评估这种新工作流对不同人口群体的护理服务的影响.
• 评估导航推流对患者生存结果的影响.

主要方法:

• 一项质量改善计划比较了两组疑似胰腺癌患者.
• 一个基于机器学习的自然语言处理 (NLP) 模型分析了放射学报告,以确定可疑的发现.
• 确定符合导航条件的患者被主动联系,以加快后续护理.

主要成果:

• 使用NLP辅助导航的前性队列,显示了活检,瘤学预约和治疗时间的数值减少.
• 虽然这些时间指标在统计学上并不显著,但它们显示标准偏差显著减少 (p < 0.001).
• 在种族和族裔少数群体中观察到护理供应的改善,队列之间的生存率相似.

结论:

• 一个NLP辅助的识别工作流程显示了改善癌症护理和诊断调查的希望.
• 这项研究表明,计算方法可以提高患者导航的效率.
• 需要对更大的队列进行进一步的研究来验证这些发现,并确认人工智能驱动的癌症患者鉴定在瘤学中的好处.