Объёмы данных, относящихся к здоровью пациентов или оказанию медицинской помощи (real-world data, RWD), растут ежедневно и несут в себе ценную информацию, позволяющую realtime контролировать динамику лечения онкологических заболеваний. Клинические данные об эффективности терапии зачастую основаны на результатах исследований. В них сравнивается способы лечения относительно общей выживаемости пациентов (OS) или вероятности выживания без прогрессирования (PFS). С развитием цифровизации медицины дополнительным источником информации стали данные реальной клинической практики (RWE), позволяющие контролировать эффективность терапии в естественных условиях.
Чаще всего для решения вышеперечисленных задач – сравнения и выбора методов терапии – используется стандартный набор статистических инструментов. Обычно это «процедура Каплана-Мейера», лог-ранг тесты, модели пропорциональных рисков Кокса или более продвинутые инструменты, основанные на технологии искусственного интеллекта (Artificial Intelligence, AI) и машинного обучения (Machine Learning, ML). Однако даже их применение не способно предоставить полную картину и глубину клинических путей пациентов, а многое строится на предположениях аналитиков.
Использование process mining при лечении онкологических заболеваний становится всё более популярно благодаря:
- возможности использования реальных данных для изучения и сравнения типа терапии;
- автоматическому отображению протекающих сложных медицинских процессов, а также их анализу.
По заявлению издания Frontiers, одно из главных преимуществ технологии – возможность её интеграции с БД клинических исследований и инструментами управления данными. Используя процессную аналитику, можно определять, какие именно методы лечения, например, радиотерапия или хирургическое вмешательство, могут спасти людей с прогрессирующими конкретными заболеваниями.
Process mining на основе данных помогает сформировать специальные группы пациентов с онкологией для анализа пути их терапии, автоматически выстраивает древовидное отображение линий лечения под названием «Дерево лечения». Процессная аналитика позволяет проанализировать любой этап, вызывающий сомнения у специалистов, на каждой из «веток» устранить ошибки и повторно сформировать уже обновлённое «дерево». Кроме того, возможность использования process mining для мониторинга состояния бывших пациентов и генерирования новых научно-исследовательских гипотез специалистами-онкологами также имеет большое значение.
Чтобы максимально повысить удобство использования и эффективность инструментов process mining при лечении онкологических заболеваний, вендоры программных решений данного класса проводят их оценку с привлечением врачей-онкологов.
Специалисты Frontiers считают, что возможность подключения инструментов процессной аналитики к таким крупным источникам, как RWD, значительно расширяет возможности process mining и повышает надёжность получаемых данных. PM позволяет внедрять возможность отбора пациентов не только на основе последовательности их лечения, но и на основе других клинических переменных: демографических данных, лабораторных показателей, геномики и многого другого.
Это позволяет использовать процессную аналитику в качестве инструмента для создания новых методов лечения, позволяющих выявлять цифровые биомаркеры ответной реакции на разные типы лечения, что сейчас является одной из основных задач прецизионной онкологии.
По материалам frontiers