Navrhovaná opatření, která by s větší pravděpodobností přiměla pacientky k účasti na mamografickém vyšetření
Rozhraní vede od dat ke konkrétní akci: zobrazit kohortu, vytrénovat model, vyhodnotit jednu pacientku, rozhodnout, jak s ní naložit.
- Domovská stránka — přehled kohorty: kolik pozvánek a pacientek, jaký podíl nikdy neodpoví a jak se míra neodpovědí liší podle věkové skupiny, podle registrace u praktického lékaře nebo gynekologa, podle toho, jak často pacientka vůbec navštěvuje lékaře, a napříč oblastmi působnosti VZP
- Rizikový model — vyberte časový horizont pro označení a charakteristiky, vytrénujte model a vyhodnoťte jej: přesnost a recall při zvolené prahové hodnotě, ROC křivku a na které charakteristiky se model opírá. Naučený model se uloží a všechny ostatní stránky jej využívají
- Riziko pacientky — zadejte libovolný profil pacientky a získejte pravděpodobnost její odpovědi, pět charakteristik ovlivňujících tuto hodnotu a její rychlost odpovědi v horizontu 3, 6 a 12 měsíců
- Intervence — pacientky, které se nedostavily, seřazené podle rizika. Vyberte jednu z nich a stránka navrhne, které z jejích ovlivnitelných atributů je třeba změnit a o kolik se tím sníží riziko, poté vypracuje tři upomínky pro ni a e-mail pro každého z jejích lékařů
- Profil odmítavých a profil reagujících — charakteristiky žen, které se nikdy nedostaví, a těch, které se dostavují spolehlivě, popsané na základě faktů, které model shledal nejdůležitějšími
- Srovnání odmítavých a reagujících — obě skupiny na jednom radarovém grafu, takže rozdíl v chování je patrný na jednom obrázku
- Měli už předtím
- nothing
- Využití AI
- - Gradient-boosted decision trees (CatBoost) — risk model predicting whether a woman will be screened after an invitation
- Three parallel models (3 / 6 / 12 months) — the differences between them segment her by response speed: prompt, late (a timed reminder works), or unreachable by reminders at all, where the route has to be her doctor
- Feature importance across the cohort to find which levers exist, and SHAP values per patient to explain one woman's risk
- Counterfactual search over actionable features — scores modified copies of her record and returns the sequence of changes that lowers risk most, restricted to things an intervention can actually move
- OpenAI API — three escalating reminders for her, plus an email to her GP and gynaecologist, generated from her full record with no identifiers sent - Dopad
- Data-driven interventions to reduce non-attendance at mammography screening, save lives, and reduce the administrative burden on health insurance companies and general practitioners.
- Komu pomůže
- Pacienti a jejich blízcí, Lékaři a sestry, Nemocnice a poskytovatelé péče, Zdravotní pojišťovny
- Technologie InterSystems
- Ano — Implemented the functionality to retrieve real data from a FHIR API server instead of using a plain CSV file. A local FHIR server with test data has also been set up, but it is not currently used because the data was provided in CSV format.
Strojový překlad z angličtiny
- Tým
- mammo_prg — Alex Yudzin, Varvara Shorina, Aleksei Pashchenko
- Výzva
- Od pozvánky k mamografu · Praha