II. Epidemiologie nádorů, klinické registry, zdravotnická informatika

II/ 119. AICOPE –⁠ PŘEDSTAVENÍ NOVÉHO PROJEKTU PRO “PATIENT EMPOWERMENT” V ONKOLOGII POMOCÍ UMĚLÉ INTELIGENCE

NOVÁČEK V.^1,2,3, HALÁMKOVÁ J.⁴

¹Fakulta informatiky, MU Brno, ²MOÚ Brno, ³Data Science Institute, National University of Ireland Galway, Ireland, ⁴Klinika komplexní onkologické péče LF MU a MOÚ Brno

V roce 2016 bylo v ČR registrováno více než půl milionu onkologických pacientů, z toho 96 500 nově diagnostikovaných. Ten rok zemřelo 27 261 lidí [1]. To jasně ukazuje, že zhoubné nádory mají značný celospolečenský dopad. Přestože pro většinu druhů zhoubných nádorů existuje řada účinných způsobů léčby, většina z nich významně ovlivňuje následující život pacientů. Pro snížení této individuální, ale i socioekonomické zátěže je proto zásadní zvolit správný typ léčby, a to nejen na základě bio logického profilu pacienta, jeho malignity, ale také na jeho preferencích a životním stylu. Mimoto klinická praxe ukazuje, že pro optimální akceptaci náročného procesu onkologické léčby je nutné, aby nemocní byli maximálně informovaní o strategii léčebného postupu [2]. Lepší informovanost vede k vyšší motivaci a lepší adherenci k léčbě, zvýšení spokojenosti pacienta a jeho rodiny a v neposlední řadě ke snížení stresu ošetřujících lékařů. Uspokojivé naplnění optimální informovanosti je ovšem zřídkakdy možné. Jedním z hlavních důvodů je nedostatek časového prostoru pro zevrubnou komunikaci s pacienty v rámci stávající klinické praxe. To vede k tomu, že je v podstatě nemožné posoudit důsledky dostupných léčebných postupů při zohlednění bio medicínských profilů pacientů, jejich způsobu života, rodinného a/ nebo pracovního zázemí apod. A tato naléhavá klinická potřeba motivuje projekt AIcope, v němž: 1) sbíráme, extrahujeme a předzpracováváme údaje z elektronických lékařských záznamů o pacientech a z veřejných datových zdrojů o nemocech, intervencích a lécích; 2) integrujeme předzpracovaná data do jednotného, sémanticky propojeného zdroje, tzv. grafu znalostí [3], a rozšiřujeme je o nové, odvozené vztahy; 3) rozvíjíme webová rozhraní pro zodpovídání otázek a vizuální průzkum tohoto grafu znalostí, společně s lékaři, pacienty a klinickými psychology; 4) vyhodnocujeme výsledný prototyp podpory rozhodování jeho předběžným nasazením v klinickém prostředí a porovnáváme jej se současnými postupy informování pacientů. Principem je vytvořit takové IT prostředí, které na podkladě umělé inteligence zlepší informovanost pacientů o jejich onemocnění a zjednoduší nemocnému výběr z více možných terapeutických postupů na podkladě bio logického profilu jejich nádoru, klinického stavu, komorbidit a v neposlední řadě jejich preferencí, s plnou podporou ošetřujícího lékaře.

Podpořeno mezioborovým grantovým programem Masarykovy univerzity GAMU v rámci projektu AIcope: MUNI/ G/ 1763/ 2020.

Literatura: [1] Kolektiv autorů UZIS. Novotvary 2016 ČR. Ústav zdravotnických informací a statistiky ČR. [online]. Dostupné z: https:/ / www.uzis. cz/ sites/ default/ files/ knihovna/ novotvary2016.pdf. [2] Giesler JM, Weis J. Patient competence in the context of cancer: its dimensions and their relationships with coping, coping self-efficacy, fear of progression, and depression. Support Care Cancer 2021; 29(4): 2133–2143. doi:10.1007/ s00520-020-05699-0. [3] Hogan A, Blomqvist E, Cochez M et al. Knowledge graphs. ACM Computing Surveys 2021; 54(4): 1–37.