基于大数据的乳腺癌患者症状管理个性化推荐系统的研究

Breast cancer care is a continuous engagement between patients and healthcare providers throughout the continuum of care, from diagnosis to rehabilitation. Symptoms management is among the key interventions, because unmanaged symptoms may not only affect patients’ quality of life but also compromise the effectiveness of medical treatment. Patients undergoing different phases of treatment have different symptoms that require prompt and appropriate management. However, prompt and appropriate symptom management is often difficult to be provided because of various barriers including communications between patients and healthcare providers, patients’ knowledge of symptom management, and intervention delivery. In this proposed study, we will develop a novel solution to breast cancer symptoms management by delivering big data-assisted symptoms management recommendations through mobile communication between patients and healthcare providers. Specifically, we will: construct a knowledge base of recommendations by characterizing the pattern of symptoms throughout the disease progression and by the support of knowledge-based and data-driven clinical evidence; develop a patient-reported outcome measures system for breast cancer care (PROMS-BC) to collect patients’ report of symptoms; build a database that integrates patients’ clinical data, daily living data, and self-reported symptoms data, as the core of the recommendation system; develop a mHealth mobile application as the user interface of the symptom management recommendation system, applying human-centered design principles to ensure optimal usability; improve recommendation precision by continuously incorporating new big data into the recommendation database and refining the recommendation algorithm; and conduct comparative outcome analysis to assess the effectiveness of the recommendation intervention, improvement in the relationship between the patients and healthcare providers, and cost saving.

乳腺癌救治和康复是长期、动态、专业的实践过程，症状管理是其关键环节。不同患者在不同治疗阶段出现的症状、可能的困扰和适宜的解决方案不尽相同。基于大数据发现症状规律，并基于规律推荐个性化方案以帮助预防和干预，是大数据时代乳腺癌症状管理的新思路。本研究遵循乳腺癌患者救治全程症状的发生发展规律，整合循证证据和临床实践数据构建推荐系统内容；针对患者自我报告症状数据的缺乏，开发乳腺癌阶段特异性患者报告结局测量系统（PROMS-BC），在此基础上，统筹收集包括患者临床数据、生活数据和患者自我报告症状数据的多来源数据，经数据整理、清洗、转换和融合，形成推荐系统依托的大数据库；并借力移动医疗技术，构建症状管理推荐系统的手机应用程序，通过“以人为中心”的两阶段可用性检验和大数据算法逐步提高和持续完善该推荐系统的推荐精度，以期达到智能化、精准化的症状管理推荐，提升患者症状管理成效，改善医患关系，节约医疗资源。

由于乳腺癌治疗和康复的阶段性和长期性，患者在不同治疗阶段面临的核心症状、困扰问题和适宜的解决方案不尽相同。针对目前乳腺癌患者不同治疗阶段症状无法准确识别、症状管理不及时以及症状处理不恰当的问题，亟待借助大数据算法和信息化技术，为患者提供早期专业支持和个性化照护推荐以切实提升乳腺癌患者症状管理效率和质量。本课题首先基于患者报告结局概念框架，构建了包含PROMIS-57 profile在内的乳腺癌阶段特异性患者报告结局测量系统并验证了其有效性和可靠性，该测量系统的构建为乳腺癌患者阶段特异性症状的评估提供了标准化工具。以该工具为基础，基于移动应用程序构建乳腺癌症状测量微信小程序并开展多中心大样本乳腺癌患者症状测评，同时引进以个体为中心的潜类别模型剖析化疗期乳腺癌患者症状特征及发展规律，研究发现乳腺癌患者存在高、中、低三种不同风险等级的症状群特征，验证了乳腺癌患者的症状管理应体现个性化和针对性。然后基于大数据算法构建症状高风险预测模型，确定深度神经网络模型等机器学习算法在推荐系统中的适用性。最后整合推荐系统的测量工具、推荐内容及推荐规则，形成乳腺癌患者症状管理个性化推荐系统的实施路径。通过健康领域推荐系统的构建流程形成症状管理个性化推荐系统，并通过反复漏洞修复、性能优化及可用性评价后，配合软件工程师运用基于关联规则及模型的推荐算法完善个性化推荐系统，完成系统功能的迭代升级。本课题最终构建形成的化疗期乳腺癌患者症状管理个性化推荐系统可实现个性化的症状管理需求预测，推荐内容具有科学性，具有良好的可用性，今后将继续通过大数据算法的持续训练提升系统的推荐精准性，助力满足乳腺癌患者的个性化症状管理需求和精准照护支持。本项目按计划完成研究内容，共发表高水平SCI论文11篇，中文期刊论文23篇，获批软件著作权4项，培养硕、博士研究生及博士后6名，参与国内外学术交流17次，极大的提升了团队研究水平及国内外学术影响力。

内容获取失败，请点击重试