We help doctors identify unusual care pathways by comparing similar patients and providing clear visualisations.
Sometimes a doctor needs to find something of interest in the data without knowing in advance what to look for. OncoScope enables them to independently investigate unusual cases, compare them with similar patients and formulate hypotheses for further specialist verification. In this way, we are breaking down the barrier between clinical practice and data analysis.
During the Rakathon, we built a local web application from scratch in Python and Streamlit, based on three interconnected CSV files: data on 157 paediatric oncology patients at Brno University Hospital, episodes of care, and laboratory results available for some of the patients.
The application comprises two main sections:
- Patients: an overview and filtering of patients, case details, care history, available laboratory results and comparison with a control group.
- Deviation analysis: an overview of patients with unusually short or long stays, interactive charts, detection sensitivity settings, and the ability to navigate to a specific case and its expert assessment.
In the prototype, we monitor the typical and maximum durations of selected hospitalisations. We establish expectations through a transparent comparison with other patients based on available characteristics. The patient being assessed is not included in their own reference group. We display the deviation of the actual course from expectations both in the original units and using a standardised score.
The doctor can see who the patient is being compared with, how many records the calculation is based on, and which characteristics the comparison does not take into account. The application also acknowledges cases for which there is insufficient data. An unusual hospital stay does not automatically imply a better or worse health outcome; its significance is assessed by the doctor.
The application also includes clustering the outliers themselves and comparing their common characteristics, saving medical comments and assessing clinical relevance, and exporting results to CSV.
Possible future extensions include a more detailed comparison of two selected patients, the addition of further models of expected care pathways, and alternative methods for detecting deviations. These options would enable doctors to examine cases from multiple perspectives and compare how the identified deviations vary depending on the chosen approach.
- Had before
- Před akcí jsme neměli připravený projekt ani prototyp. Řešení jsme vytvořili od nuly během Rakathonu s využitím běžných open-source knihoven a dat poskytnutých pořadateli.
- Use of AI
- LLM jsme využili při návrhu analytického postupu, tvorbě kódu a ladění aplikace. Analýzu pacientů zajišťuje transparentní statistický model, který z diagnóz a záznamů hospitalizací stanovuje očekávanou délku pobytu podle srovnatelných pacientů. Neobvyklé případy vyhledáváme pomocí standardizovaných odchylek skutečných hodnot od tohoto očekávání.
Riziko chybných závěrů omezujeme dohledatelným výpočtem a zobrazením konkrétní srovnávací skupiny. Hodnocený pacient není součástí vlastní reference. Uvádíme počet dostupných záznamů, nezohledněné charakteristiky i nedostatek podkladů. Lékař může ověřit nález v historii péče a posoudit jeho klinický význam. - Impact
- Projekt může zkrátit cestu od klinických dat k případům, které stojí za bližší prozkoumání. Lékař může samostatně vyhledat neobvyklé průběhy péče, porovnat je s podobnými pacienty a formulovat konkrétní výzkumnou otázku bez nutnosti zadávat každý průzkumný krok IT specialistovi. Potenciálním přínosem je úspora času při orientaci v datech, snazší spolupráce lékařů a analytiků a objevování souvislostí pro další výzkum. Konkrétní časovou úsporu a klinický přínos by bylo potřeba ověřit při používání v praxi.
- Who benefits
- Doctors and nurses, Research
- InterSystems technologies
- No
Machine translation from Czech
- Team
- Brainless — Jiří Svoboda, Teodor Otkovic, Andrey Novak
- Challenge
- When reality beats the prognosis · Brno