Machine Learning in der Lebensqualitätsforschung von Krebspatienten

 
  • Förderung: Deutsche Krebshilfe
  • Projekttitel: Risikofaktoren von tumor-assoziierter Fatigue bei Patienten mit Hodgkin-Lymphom
  • Antragsteller: Prof. Dr. Axel Mayer & Stefanie Kreissl
  • Kooperationspartner: German Hodgkin Study Group der Universität zu Köln
  • Projektmitarbeiter: Nele Stadtbäumer, M. Sc.
  • Laufzeit: 36 Monate, 2019-2022

Zusammenfassung

Schwere chronische Erschöpfung - persistierende tumor-assoziierte Fatigue (pCRF) - ist eine gravierende und häufige Langzeitfolge des Hodgkin Lymphoms und seiner Behandlung. Ziel des beantragten Projektes ist es, für Patienten und Ärzte eine valide, evidenzbasierte Grundlage zur Risikoschätzung von pCRF zu entwickeln, wodurch präventive und therapeutische Maßnahmen frühzeitig und zielgerichtet durchgeführt werden können. Auf der Basis bereits vorliegender, umfassender Längsschnittdaten von mehr als 4000 Patienten mit Hodgkin Lymphom soll ein validiertes prognostisches Modell und eine klinisch praktikable Softwareapplikation zur Vorhersage von pCRF bei Hodgkin Lymphom entwickelt werden.

Dazu werden zunächst Risikofaktoren von pCRF aus den Langzeitdaten der in den GHSG-Studien HD13, HD14 und HD15 behandelten Patienten identifiziert. Die GHSG-Daten umfassen eine Vielzahl an klinischen, biologischen und psychischen Faktoren, die auf ihre Vorhersagekraft für das Entstehen von Langzeitfatigue untersucht werden können. Anhand von parametrischen, regressionsanalytischen und nicht-parametrischen Machine Learning Algorithmen sollen signifikante Prädiktoren von pCRF identifiziert werden. Auf Grundlage eines dynamischen, validierten Modells kann dann ein prognostischer Score zur Abschätzung des individuellen Langzeit-Fatigue-Risikos der Hodgkin-Patienten berechnet werden.