Ny browser kan identificere mønstre i sygdomsprogression blandt 7,2 mio. danskere

Kost og livsstil 13. nov 2020 3 min Research programmer Troels Siggaard Skrevet af Kristian Sjøgren

En nyudviklet browser gør det muligt for forskere, læger og privatpersoner at finde mønstre i sygdomsudvikling blandt millioner af danskere.

Interesseret i Kost og livsstil? Vi kan holde dig opdateret helt gratis

Landspatientregisteret har siden 1970'erne indsamlet data på alle danskere, som nogensinde har været i forbindelse med et hospital. Det er blevet til millioner og atter millioner af datapunkter, som forskere nu har gjort det muligt at browse rundt i.

Men en nyudviklet browser, som alle med en computer kan få adgang til via hjemmesiden dtb.cpr.ku.dk, er det muligt at søge på eksempelvis en sygdom som Alzheimers og se, hvad der statistisk set typisk kommer forud for en diagnose med sygdommen, og hvad der kan komme bagefter.

Ovenstående søgning viser blandt andet, at en diagnose med uspecificeret demens ofte går forud for en diagnose med Alzheimers.

"Browseren er et værktøj til at finde ud af, hvilke sygdomme der ofte kommer i forlængelse af hinanden eller i forbindelse med hinanden. I lægefagligt øjemed er det interessant, fordi man blandt andet får statistisk indsigt i, hvad folk med givne sygdomme ellers har lidt af, eller hvad de muligvis vil få af diagnoser i fremtiden," forklarer softwareudvikleren bag det nye værktøj, forskningsprogrammør Troels Siggaard fra Novo Nordisk Foundation Center for Protein Research, Københavns Universitet.

Browseren er offentliggjort i Nature Communications.

Data fra 7,2 mio. danskere er med i database

Browseren gør det muligt for enhver at søge på statistiske sammenhænge mellem sygdomme i hospitalsdata fra perioden fra 1994 til 2018.

Når personer bliver indlagt på et hospital og får en diagnose i form af en såkaldt internationalt standardiseret ICD-10-kode, bliver det registreret i Landspatientregisteret. Eksempelvis er ICD-10-koden for Downs Syndrom Q90, mens forhøjet blodtryk benævnes I10.

Data fra 7,2 mio. danskere og 122 mio. hospitalsindlæggelser er grundlaget for værktøjet. Man kan søge på sammenhænge mellem sygdomme, men ikke i data på individniveau. Ideen er at se på sygdomssammenhænge overordnet, men ikke enkelte patienter.

Når en bruger benytter browseren på en specifik ICD-10-kode, spytter computeren et resultat ud, og det fortæller, hvordan sygdommen statistisk set er koblet til andre ICD-10-koder i op til seks led.

Det vil sige, at hvis man som eksempel indtaster ICD-koden for type 2-diabetes (E11) i browseren, vil den komme med en lang række stærke og svage koblinger til andre sygdomme og diagnoser, som typisk går forud for eller kommer efter en diagnose med type 2-diabetes.

De koblede diagnoser kan eksempelvis være forhøjet blodtryk (I10), overvægt og fedme (E66) eller ICD-koder for forskellige former for kræft.

"Det giver et indblik i, hvilke komorbiditeter eller multimorbiditeter patienter med givne diagnoser har, og hvordan de forekommer sammen over tid," forklarer Troels Siggaard.

Gør os klogere på koblinger mellem sygdomme

Ved en søgning i den nye browser kan man også få indsigt i sandsynligheden for en given form for sygdomsprogression.

Ved en søgning på Downs Syndrom vil det som eksempel fremgå, at epilepsi (G40) ofte er associeret med sygdommen, og at 367 personer med en diagnosekode for Downs Syndrom også har fået en diagnosekode for epilepsi.

112 har fået en diagnosekode for blodforgiftning, og af dem har 59 fået en diagnosekode for dødsfald.

Man kan i browseren også se, hvor mange der har fået en diagnosekode for lungebetændelse, forkølelse, iskæmisk hjertesygdom, høretab eller alt muligt andet.

Browseren rapporterer ikke data, hvis antallet er under 20 personer. Ellers vil det fremgå af søgeresultatet, hvad hyppigheden er.

"Vi har samlet alt data og lagt det ind i en supercomputer for at kunne lave de her netværk og hyppige patientforløb, som man kan søge i," siger Troels Siggaard.

Browseren er lavet af en projektgruppe med mange forskellige kvalifikationer (bioinformatik, lægevidenskab, humanbiologi og datavidenskab).

Troels Siggaard slår fast, at han ikke selv er sundhedsfagligt uddannet, men programmør, og at hans primære arbejdsopgave i udviklingen af browseren har været at skrive de koder, som har gjort det muligt at jonglere rundt med det enorme datasæt på en meningsfuld og overskuelig måde uden at skulle søge adgang til de underliggende personfølsomme data.

Kan gavne forskning i ny medicin

Troels Siggaard fortæller, at redskabet først og fremmest er tiltænkt forskere, som forsker i sygdomme og sygdomsprogression.

Et eksempel kan være, at forskere måske forsøger at udvikle medicin mod en bestemt sygdom. Så kan de med browseren undersøge, om patienter med den type sygdom ofte har andre sygdomme, der kan forstyrre billedet af effekten af medicinen i et klinisk forsøg.

I dag er man også ofte interesseret i at udvikle medicin, der har en effekt på flere forskellige sygdomme samtidig, og browseren kan også være en inspiration i den henseende.

Den helt almindelige dansker kan også benytte databasen til at få en indikation af, hvordan en given sygdom typisk kan udvikle sig hos en gennemsnitlig dansker.

"Hvis man bliver diagnosticeret med en sygdom, kan man se, hvilke typiske sygdomsforløb man kan få fremadrettet, og de kan ofte være ret forskellige. Har man eksempelvis fået type 2-diabetes, kan man få ret forskellige former for komplikationer senere hen. Det er baggrunden for hele begrebet personlig medicin, hvor patienter med den samme sygdom ikke nødvendigvis skal have den samme behandling. Alle kan benytte browseren, selvfølgelig også hospitalspersonale, der kan have en interesse i at se, hvilke multimorbide undergrupper af patienter der findes i den danske befolkning," siger Troels Siggaard.

Artiklen ”Disease trajectory browser for exploring temporal, population-wide disease progression patterns in 7.2 million Danish patients” er udgivet i Nature Communications. Flere medforfattere er ansat på Novo Nordisk Foundation Center for Protein Research, Det Sundhedsvidenskabelige Fakultet, Københavns Universitet.

The Brunak Group aims for understanding multi-morbidity disease progression patterns and their relation to treatment events. The group integrates hete...

Dansk
© All rights reserved, Sciencenews 2020