Professor Søren Brunak och hans forskargrupp använder sig av ”Deep machine learning” med superdatorer som bearbetar enorma mängder anonymiserade data från olika register.
– Det här är ett erkännande av något som det inte var många som trodde på från början. Bioinformatik har varit lite av ”fula ankungen”, och länge inte ansett som något annat än ett smalt akademiskt intresse. Så jag är väldigt glad, det känns fantastiskt att få det här priset, säger Søren Brunak.
”Deep machine learning” används av Søren Brunak och hans forskargrupp vid Köpenhamns Universitet, som arbetar med enorma mängder anonymiserade data från olika register och patientjournaler för att kartlägga sjukdomsmekanismer och lägga ett pussel där det går att se hur olika sjukdomar hänger ihop.
Vi är alla individer och olika genuppsättning, koncentration av proteiner i kroppen, socioekonomiska skillnader i uppväxten kan få inflytande över hur sjukdomen utvecklas och vilka komplikationer den får. När superdatorerna hittar mönster i insamlad data från flera miljoner patienter så kan de se på vilka sätt sjukdomarna och komplikationerna ofta kan utvecklas. Risken för att flera kroniska sjukdomar utvecklas blir också möjlig att kartlägga.
– Först och främst handlar det om kartläggning av patientens data innan sjukdomen bröt ut och vad som händer efter. Varför vissa personer får följdsjukdomar och andra inte. Informationen vi får fram gör att vi kan se vilka grupper av patienter som går i vissa riktningar, säger Søren Brunak.
Klicka på bilden för större format.
Ett nätverk över sjukdomsutvecklingen inom bröstcancer. Nätverket visar hur patienter ”hoppar” från en sjukdom till en annan, och pilens tjocklek visar hur många patienter som tar ett visst steg mot olika komplikationer. Analysen är baserad på data från sju miljoner patienter.
Mer individualiserad behandling
Kunskaperna som inhämtas från ”deep machine learning” skulle kunna användas till att ge en mer individualiserad behandling för patienterna. Vissa individer kan behöva en mer intensiv behandling i början för att undvika de värsta följderna av sin sjukdom. Patienter med flera kroniska sjukdomar skulle få möjlighet till en mer skräddarsydd behandling.
– Så långt har vi inte kommit än. Vi vill pröva att få några av våra algoritmer implementerade i patientjournalerna och försöka se till att läkarna kan testa detta i kliniska försök, säger Søren Brunak.
Brunaks forskargrupp har ett samarbete med Rigshospitalet i Köpenhamn och det har varit viktigt för honom att få med ”de mest kritiska praktikerna”, säger han.
– Om man har ambitionen att genomföra det här på ett säkert och trovärdigt sätt måste man hitta de mest skeptiska människorna och kunna bemöta kritiken från praktikerna.
Mer positiv inställning
Numera finns det en mer positiv inställning till lärdomar från stora mängder data men det handlar också om att det är en internationell trend att ta till sig den här sortens kunskapsinhämtning, konstaterar Søren Brunak.
– Läkarna har mer respekt för superdatorer och algoritmer nu än för 20 år sedan, säger han. Förutom diabetes och bröstcancer arbetar forskargruppen också med kartläggning av KOL, sepsis, olika cancertyper och riskerna vid transplantationer. Enligt Søren Brunak har de skandinaviska länderna ett stort försprång när det gäller möjligheten att kartlägga sjukdomars utveckling genom ”deep machine learning” tack vare våra register och databaser.
– Här har vi möjlighet att använda patientdata på ett annat sätt än i andra länder som inte har bevarade hälsodata under en hel livslängd. Vi kan vara förebilder på många sätt tack vare våra register och patientjournaler.
