Исследователи представили двухэтапную модель машинного обучения для оценки риска развития дисфагии у пациентов с раком головы и шеи. Система анализирует клинические данные и отчеты пациентов, позволяя выявлять группы риска без проведения дорогостоящей видеофлюороскопии. Метод значительно упрощает мониторинг состояния пациентов в процессе реабилитации, снижая нагрузку на специализированное медицинское оборудование и персонал.
Традиционная диагностика дисфагии опирается на шкалу CTCAE-DIGEST, требующую сложного оборудования и участия узкопрофильных специалистов. Новый подход использует стекинг-алгоритм, который объединяет предиктивные возможности клинических показателей и субъективных оценок пациентов. Это позволяет автоматизировать процесс стратификации рисков, делая его доступным для рутинной клинической практики.
Внедрение подобных систем в онкологические центры позволяет перевести наблюдение за пациентами из реактивного режима в проактивный. Раннее выявление признаков дисфагии дает возможность корректировать план лечения до появления серьезных осложнений, что напрямую влияет на качество жизни после терапии. Модель демонстрирует высокую точность в классификации пациентов, нуждающихся в немедленном инструментальном обследовании.
Ключевые факты
- Разработан двухэтапный метод стекинга (PRO-Clinical Stacking) для анализа данных пациентов с раком головы и шеи.
- Система заменяет необходимость проведения видеофлюороскопии на начальных этапах скрининга.
- Алгоритм интегрирует клинические параметры с данными, полученными непосредственно от пациентов (PRO).
- Решение направлено на оптимизацию ресурсов медицинских учреждений и повышение точности ранней диагностики осложнений.