Dorongan elektronik yang dikirim ke dokter perawatan kesehatan berdasarkan algoritme pembelajaran mesin yang memprediksi risiko kematian melipatgandakan tingkat percakapan dengan pasien tentang preferensi perawatan akhir hidup mereka, menurut hasil jangka panjang dari uji klinis acak yang diterbitkan oleh peneliti Penn Medicine di JAMA Onkologi hari ini. Studi ini juga menemukan bahwa pengingat yang dipicu pembelajaran mesin secara signifikan menurunkan penggunaan kemoterapi agresif dan terapi sistemik lainnya di akhir kehidupan, yang menurut penelitian terkait dengan kualitas hidup yang buruk dan efek samping yang dapat menyebabkan rawat inap yang tidak perlu di hari-hari terakhir mereka.
Untuk pasien ketika kanker berkembang ke stadium yang tidak dapat disembuhkan, beberapa mungkin memprioritaskan pengobatan yang akan memperpanjang hidup mereka selama mungkin, dan yang lain mungkin lebih memilih rencana perawatan yang dirancang untuk meminimalkan rasa sakit atau mual, tergantung pada prospek penyakit mereka. Berbicara dengan pasien tentang prognosis dan nilai-nilai mereka dapat membantu dokter mengembangkan rencana perawatan yang lebih selaras dengan tujuan masing-masing individu, tetapi diskusi harus dilakukan sebelum pasien menjadi terlalu sakit.
“Studi ini menunjukkan bahwa kita dapat menggunakan informatika untuk meningkatkan perawatan di akhir kehidupan,” kata penulis senior Ravi B. Parikh, MD, ahli onkologi dan asisten profesor Etika Medis dan Kebijakan Kesehatan dan Kedokteran di Fakultas Kedokteran Perelman di Universitas of Pennsylvania dan associate director Penn Center for Cancer Care Innovation di Abramson Cancer Center. “Berkomunikasi dengan pasien kanker tentang tujuan dan keinginan mereka adalah bagian penting dari perawatan dan dapat mengurangi perawatan yang tidak perlu atau tidak diinginkan di akhir kehidupan. Masalahnya adalah kita tidak melakukannya dengan cukup, dan sulit untuk mengidentifikasi kapan itu terjadi. waktu untuk berbicara dengan pasien tertentu.”
Parikh dan rekannya sebelumnya mendemonstrasikan algoritme pembelajaran mesin yang dapat mengidentifikasi pasien kanker yang berisiko tinggi meninggal dalam enam bulan ke depan. Mereka memasangkan algoritme dengan “dorongan” berbasis perilaku dalam bentuk email dan pesan teks untuk mendorong dokter memulai percakapan penyakit serius selama janji temu dengan pasien berisiko tinggi. Hasil awal penelitian, yang diterbitkan pada tahun 2020, menunjukkan bahwa intervensi 16 minggu meningkatkan tingkat percakapan ini tiga kali lipat.
Studi ini merupakan langkah penting untuk kecerdasan buatan dalam onkologi, sebagai percobaan acak pertama dari intervensi perilaku berbasis pembelajaran mesin dalam perawatan kanker. Studi tersebut melibatkan 20.506 pasien yang dirawat karena kanker di beberapa lokasi Penn Medicine, dengan total lebih dari 40.000 pertemuan pasien, menjadikannya studi terbesar dari intervensi berbasis pembelajaran mesin yang berfokus pada perawatan penyakit serius dalam onkologi.
Temuan yang diterbitkan hari ini menunjukkan bahwa setelah periode tindak lanjut 24 minggu, tingkat percakapan hampir empat kali lipat, dari 3,4 persen menjadi 13,5 persen, di antara pasien berisiko tinggi. Penggunaan kemoterapi atau terapi target dalam dua minggu terakhir kehidupan menurun dari 10,4 persen menjadi 7,5 persen di antara pasien yang meninggal selama penelitian. Intervensi tidak berdampak pada metrik akhir kehidupan lainnya, termasuk pendaftaran hospice atau lama tinggal, kematian rawat inap, atau penggunaan unit perawatan intensif di akhir kehidupan.
Khususnya, peningkatan percakapan tentang tujuan perawatan juga diamati pada pasien yang tidak ditandai oleh algoritme sebagai berisiko tinggi, yang menunjukkan dorongan menyebabkan dokter mengubah perilaku mereka selama praktik. Peningkatan diamati pada semua demografi pasien, tetapi lebih besar di antara penerima Medicare, yang menunjukkan bahwa intervensi dapat membantu memperbaiki perbedaan dalam percakapan tentang penyakit serius.
Berdasarkan hasil penelitian ini, tim peneliti memperluas pendekatan yang sama untuk semua praktik onkologi dalam Sistem Kesehatan Universitas Pennsylvania dan saat ini sedang menganalisis hasil tersebut. Rencana tambahan untuk penelitian ini termasuk memasangkan algoritme AI dengan prompt untuk rujukan perawatan paliatif dini dan menggunakan algoritme untuk pendidikan pasien.
“Sementara kami secara signifikan meningkatkan jumlah dialog tentang penyakit serius yang terjadi antara pasien dan dokter mereka, masih kurang dari separuh pasien yang melakukan percakapan,” kata Parikh. “Kita perlu berbuat lebih baik karena kita tahu pasien mendapat manfaat ketika dokter perawatan kesehatan mereka memahami tujuan dan prioritas perawatan masing-masing pasien.”
Studi ini didukung oleh National Institutes of Health (5K08CA26354, K08CA263541) dan Penn Center for Precision Medicine.
Sumber:
Fakultas Kedokteran Universitas Pennsylvania
Referensi jurnal:
10.1001/jamaoncol.2022.6303