Automatisierte Bestimmung von Metastasen in unstrukturierten Radiologieberichten zur Eignungsprüfung für klinische Studien in der Onkologie

Die zeitnahe Rekrutierung ausreichender Patientenzahlen, die die Eignungskriterien des Protokolls erfüllen, ist entscheidend, dennoch bleibt die Rekrutierung von klinischen Studien problematisch. Ein Ansatz zur Bewältigung dieser Rekrutierungsherausforderungen ist die Nutzung von Technologie zur automatischen Überprüfung der Eignung von Patienten für klinische Studien. Dieses Manuskript berichtet über die Bewertung verschiedener automatisierter Ansätze zur Bestimmung des metastatischen Status aus unstrukturierten Radiologieberichten mithilfe des Clinical Trials Eligibility Database Integrated System (CTED). Die Studienpopulation umfasste alle Patienten (N = 5.523) mit radiologischen diagnostischen Studien (N = 10.492), die in einem Zeitraum von zwei Wochen abgeschlossen wurden. Acht Suchalgorithmen (Abfragen) innerhalb von CTED wurden entwickelt und auf Radiologieberichte angewendet. Die Leistung jedes Algorithmus wurde mit einem Referenzstandard verglichen, der aus der Überprüfung der Radiologieberichte durch einen Arzt bestand. Sensitivität, Spezifität, positive und negative prädiktive Werte wurden für jeden Algorithmus berechnet. Die Anzahl der von jedem Algorithmus identifizierten Patienten variierte zwischen 187 und 330, und die Anzahl der durch die Überprüfung des Arztes bestätigten echten Positivfälle lag zwischen 171 und 199 bei den Algorithmen. Der beste Algorithmus hatte eine Sensitivität von 94 %, eine Spezifität von 100 %, einen positiven prädiktiven Wert von 90 %, einen negativen prädiktiven Wert von 100 % und eine Genauigkeit von 99 %. Unser Bewertungsprozess identifizierte die optimale Methode zur schnellen Identifizierung von Patienten mit metastasierenden Erkrankungen durch automatisierte Überprüfung unstrukturierter Radiologieberichte. Die mit dem CTED-System entwickelten Methoden könnten an anderen Institutionen problemlos implementiert werden, um die Effizienz des Forschungspersonals im Eignungsprüfungsprozess klinischer Studien zu verbessern.