MAASTRO k n o w l e d g e e n g i n e e r i n g
MAASTRO k n o w l e d g e e n g i n e e r i n g houdt zich bezig met de ontwikkeling van beslissingsondersteunende systemen voor artsen en patiënten . Hierin worden naast eigen onderzoeksresultaten ook data uit andere centra uit de literatuur bij gebruikt . Deze onderzoeksgroep bouwt een wereldwijde IT-infrastructuur tussen radiotherapie-instellingen , zodat op een uniforme wijze data uit diverse domeinen ( biologie , fysica , beeldvorming , kliniek ) kunnen worden vastgelegd en wiskundige voorspellingsmodellen kunnen worden ontwikkeld ( nomogrammen ) die computermatig betrouwbare voorspellingen doen van het resultaat van een behandeling . Daarnaast wordt op een alternatieve manier , dus naast evidence-based medicine , informatie vergaard voor de ondersteuning van therapiekeuzes . Die methode wordt wel Rapid Learning genoemd . Het basisidee is om gegevens uit de dagelijkse klinische praktijk te gebruiken voor beslissingen bij nieuwe patiënten . Dit heeft als voordeel dat informatie van veel meer patiënten gebruikt kan worden om behandelingen te optimaliseren , dan die van de drie procent van de patiënten die aan klinische studies deelnemen . Selectiebias kan zo vermeden worden . Het nadeel van de methode is dat de kwaliteit van deze data lager is dan die uit klinische studies .
Rapid learning levert andere inzichten op . Gecontroleerde klinische studies zijn vooral bedoeld om kleine verbeteringen in resultaten
MAASTRO ‘ Learning Intelligence ’ netwerk anno 2013 .
te ontdekken tussen twee behandelingen in een zo homogeen mogelijke groep patiënten . Rapid Learning zal met name grote verschillen in behandelresultaten ontdekken die voortkomen uit de heterogeniteit van de patiënten . Het koppelen en analyseren van die digitale data zal nieuwe inzichten opleveren en nieuwe hypothesen voor onderzoek ( en gecontroleerde studies ) genereren .
Ten slotte is Rapid Learning ook te zien als alternatief voor situaties waarin bewijs conform evidence-based medicine ontbreekt . Dat is vaak het geval bij technologische
innovaties ( IMRT , protonen ) binnen de radiotherapie . Het is een nieuwe methode
Prepare
Acquire clinical imaging and biomedical data
Evidence and regulations
• Guidelines
• Literature
• Clinical trials
Decision support van onderzoek die zich nog moet bewijzen als aanvulling op de klassieke benadering van evidence-based medicine . Radiotherapie lijkt een ideale discipline om de waarde van Rapid Learning te onderzoeken omdat , naast de hoge graad van informatisering , de bekendheid en acceptatie van voorspellende modellen binnen dit vakgebied groot is . Binnen de klinische radiotherapie zullen naar verwachting modellen en planningsystemen beschikbaar komen die het mogelijk maken niet alleen te plannen op basis van fysische bestralingsdoses en dosis-volume-histogramwaarden , maar die ook de relatie kunnen leggen naar de klinische uitkomsten die verwacht kunnen worden bij de individuele patiënt . MAASTRO was en is de pionier in Rapid learning health care in de oncologie en dit heeft ook al vele beslishulpen opgeleverd , zoals MAASTRO c l i n i c Cancer Prediction Models ( www . predictcancer . org ), een open source shared decision making tool ( www . treatmentchoice . info ) en een website om gepubliceerde data open source te zetten ( www . cancerdata . org ).
Knowledge-driven health care
Treat
State-of-the-art therapy
Adapt during treatment
Data provenance and governance Quality assurance Warehousing
Knowledge-driven feedback
Learn
Follow-up
• Outcome
• Toxicity
Evidence and regulations
• Guidelines
• Literature
• Clinical trials
Data aggregation
Een gezondheidszorgsysteem dat gebaseerd is op klinische en biomedische data en bestaande richtlijnen , maar dat ook op basis van dagelijkse ervaringen bij individuele patiënten leert en aangepast wordt en waarbij sprake is van een permanente kwaliteitsborging .
181