En nyudviklet computermodel kan ud fra data om personers sygehistorik identificere personer med forhøjet risiko for at udvikle kræft i bugspytkirtlen. Det vil gøre det lettere at screene folk for denne alvorlige kræftsygdom og øge overlevelsen, siger forskeren.
Blot 11 pct. af personer, der får stillet en diagnose med kræft i bugspytkirtlen, er i live efter fem år. Det gør kræftsygdommen til en af de mest alvorlige.
Den dårlige overlevelse ved kræft i bugspytkirtlen skyldes blandt andet, at symptomerne på denne kræftform kan ligne alt muligt andet og mindre alvorligt. Det gør den svær at opspore tidligt.
Det er dog muligt for en computermodel at gennemgå personers sygdomshistorik og ud fra data identificere personer med den højeste risiko for udvikling af kræft i bugspytkirtlen.
Det kan være med til at danne grundlag for tidlig screening, tidlig diagnose, tidlig behandling og forhåbentlig også bedre overlevelse for patienterne, fortæller en af forskerne bag udviklingen af computermodellen.
"Potentialet i modellen er, at vi kan identificere den gruppe af borgere med den største risiko for udvikling af kræft i bugspytkirtlen og så invitere dem til scanning. Det drejer sig altså ikke om, at vi alle skal undersøges for sygdommen. Men ved at identificere højrisikopersoner kan vi forhåbentlig sætte ind over for denne gruppe, inden sygdommen spreder sig så meget, at den ikke længere er mulig at behandle," siger professor Søren Brunak fra Novo Nordisk Foundation Center for Protein Research ved Københavns Universitet.
Forskningen er offentliggjort i Nature Medicine.
Trænede computermodel på data fra 6,5 mio. danskere
I studiet har forskerne udviklet og trænet en deep learning-computermodel til at finde mønstre i sundhedsdata.
De data, der er benyttet i udviklingen af computermodellen, stammer fra det danske Landspatientregister, som indeholder data på over 6,5 mio. danskere over 50 år i perioden fra 1977 og frem til i dag.
Landspatientregisteret indeholder data om hospitalskontakter, hvilket betyder, at alt fra brækkede arme og hovedtraumer til alvorlig mavesmerter eller diabetes bliver registreret der.
I dataene fandt forskerne frem til, at 24.000 danskere havde fået stillet en diagnose med kræft i bugspytkirtlen i undersøgelsesperioden. De bad herefter computermodellen om at finde mønstre i de diagnosekoder, der forekom før en diagnose med kræftformen. Dette omfattede ikke kun rækkefølgen af sygdomshistorikken, men også tidspunktet for de forskellige diagnoser i forhold til hinanden.
Forskerne trænede computermodellen med de fleste af de tilgængelige data, men de reserverede data fra 600.000 personer til test for at afgøre, om modellen efterfølgende kunne identificere de personer, der faktisk udviklede kræft i bugspytkirtlen.
"Sjældent er man i tvivl om diagnosen, hvis man har brækket en arm. Men symptomerne på kræft i bugspytkirtlen er meget mere uspecifikke og kan ligne mavesmerter på grund af forskellige årsager. En computermodel kan imidlertid finde mønstre i data, fordi den har adgang til data fra millioner af patienter. På den måde kan computermodellen identificere personer i risiko, som en læge sandsynligvis ikke ville opdage på samme måde," forklarer Søren Brunak.
Var i stand til at identificere højrisikopersoner
Da forskerne havde trænet deres model, afprøvede de den på 600.000 danskere og fandt ud af, at den var meget præcis til at identificere personer, der udviklede kræft i bugspytkirtlen.
Blandt de 1.000 personer, som computermodellen vurderede til at have den største risiko for udvikling af kræft i bugspytkirtlen, udviklede hele 320 af dem faktisk sygdommen.
Forskerne validerede også modellen med data fra tre millioner amerikanske krigsveteraner, hvilket bekræfter modellens kvalitet og potentiale ikke kun i Danmark, men også i resten af verden.
"Søren Brunak siger: 'Det er en af de helt store styrker ved modellen og ved studiet, at vi kan vise, at modellen kan bruges på data fra to forskellige lande.'"
Han fortæller også, at det er et politisk spørgsmål, hvordan man kan eller vil bruge modellen.
"Hvis man kun fokuserer på de 1.000 personer, som computermodellen identificerer som at have den største risiko for at udvikle kræft i bugspytkirtlen, vil man finde mange tilfælde af sygdommen og have relativt få falsk-positive resultater, hvor man undersøger personer, der viser sig ikke at have sygdommen. Men man kan også udvide testen til at inkludere de 10.000 eller 100.000 personer med den højeste risiko ifølge computermodellen. Det vil føre til flere screenings, men man vil også finde flere personer med kræft i bugspytkirtlen," siger Søren Brunak.
Kan gøre læger klogere på bugspytkirtelkræft
Selvom modellen allerede nu viser sig at være god til at identificere personer med risiko for kræft i bugspytkirtlen, er der plads til forbedringer, som vil øge den prognostiske værdi af modellen endnu mere.
Søren Brunak betegner modellen i dens nuværende form som en prototype, hvis prognostiske værdi er i den nedre ende af, hvad der er muligt, hvis man tilføjer endnu flere data til modellen.
Forskerne kan videreudvikle modellen ved at tilføje flere data fra f.eks. praktiserende læger, laboratorieresultater, socioøkonomiske data, genetiske data eller data fra CT- og røntgenundersøgelser, hvilket kan gøre modellen endnu mere præcis.
Modellen kan bruges til at identificere personer med høj risiko for at udvikle kræft i bugspytkirtlen, men den kan også øge lægernes viden om bugspytkirtelkræft som sygdom.
For eksempel identificerede modellen i studiet nogle diagnosekoder, der ser ud til at være relevante for risikoen for at udvikle kræft i bugspytkirtlen, hvis de ikke allerede var velbeskrevne. Disse omfattede blandt andet galdesten, sure opstød og mavekatar.
Modellen var også i stand til at håndtere både danske og amerikanske data på trods af forskelle i kodningen af diagnoser mellem de to lande.
I USA var brug af opioider f.eks. en parameter, som modellen tog i betragtning ved sin risikovurdering, men ikke i Danmark. Det er dog ikke muligt at sige, om disse medikamenter har nogen betydning for sygdommen.
"Så man skal ikke forestille sig én computermodel, der kan bruges på tværs af landegrænser, men i stedet skal man forestille sig en computermodel, der skal trænes og valideres med data fra forskellige lande for at kunne identificere personer med høj risiko for kræft i bugspytkirtlen i det specifikke land," siger Søren Brunak.