Kan kunstig intelligens føre til bedre behandling af patienter med tarmkræft?
På Sjællands Universitetshospital er svaret "ja".
Her skal udviklingen af et nyt værktøj give lægerne et bedre beslutningsgrundlag.
Træner algoritmen på tværs
Værktøjet er baseret på en AI-algoritme og den metode, man kalder federeret eller kollaborativ læring.
Det vil sige maskinlæringsteknikker, der kan træne algoritmer til AI-modellen på tværs af flere decentrale maskiner (i dette tilfælde lokale servere i Danmark og Norge), der indeholder forskellige lokale patientdata.
Alt sammen uden udveksling af data mellem landene.
Algoritmen udvælger relevante data
I praksis virker det nye værktøj ved at bruge analytiske metoder til at behandle store mængder data i matematiske modeller.
Algoritmen udvælger data, der er relevante for den enkelte patients behandling.
Derved kan værktøjet give lægerne et bedre beslutningsgrundlag – og derfor bedre mulighed for prognosticering og behandling af patienterne.
Behov for at skræddersy behandling
Ismail Gögenur er klinisk professor ved institut for klinisk medicin på Københavns Universitet og leder af Center for Surgical Science på Sjællands Universitetshospital.
Han er også forskningsleder på projekt FLORENCE, der er et dansk-svensk-norsk projekt med Sjællands Universitetshospital i front.
Ismail Gögenur forklarer, at én ud af fire patienter, som opereres for tarmkræft, oplever komplikationer, som medfører genindlæggelse, varige mén – og i nogle tilfælde død.
"Der er derfor et behov for at skræddersy behandling til patienter, som gennemgår kræftkirurgi," siger han.
OM PROJEKT FLORENCE
- Projekt FLORENCE handler om at udvikle et værktøj baseret på kunstig intelligens (Artificial Intelligence), som forbedrer prognosticering og behandling af patienter med tarmkræft.
- Artificial Intelligence (AI) er i denne sammenhæng analytiske metoder, der behandler store mængder data i matematiske modeller, og selv udvælger data, der er relevante for den enkelte patients behandling.
- På den måde kan AI-værktøjet hjælpe lægerne til at træffe en mere præcis beslutning for den enkelte patients behandling.
- FLORENCE projektet anvender OMOP Common Data-modellen, som er en førende tilgang til at skabe datainfrastrukturer, der fremmer anvendelsen af personlig medicin i sundhedsvæsenet (dvs. skræddersyet behandling af den enkelte patient).
- Via det, som kaldes federeret læring, vil projektet som noget helt nyt på globalt plan, koble AI-modellen direkte til klinikken. Projektet er derfor enestående i sin tilgang til at løse en sundhedsudfordring for patientgruppen.
- Projektet vil på længere sigt være med til at skabe en international best practice for implementering af registerdatabaserede AI-modeller i klinisk praksis.
- Projektet lader sig kun gøre via et tværregionalt samarbejde, hvor der anvendes patientdata fra danske og norske registre. Samarbejdet er afgørende for at skabe en tilpas mængde data, der kan udvikle og modne algoritmen i AI-værktøjet.
- AI-værktøjet skal hjælpe sundhedspersonalet med at optimere beslutningsgrundlaget for patienter med tarmkræft. Det betyder, at man kan forbedre livskvaliteten for borgerne. På et sundhedsøkonomisk plan betyder det også, at udgifterne til genindlæggelser og operationer kan minimeres, så man dermed får borgerne tilbage på arbejdsmarkedet igen efter operation.
Kilde: Region Sjælland.
Har allerede vist gode resultater
Det er omkring fire år siden, at Sjællands Universitetshospital som led i et andet projekt begyndte udviklingen af en løsning baseret på kunstig intelligens, der skal hjælpe klinisk personale til at give den rigtige behandling til den rigtige patient på det rigtige tidspunkt.
Projektet var i 2020 udvalgt som Signaturprojekt (digst.dk), og den løsning har allerede vist gode resultater, forklarer Ismail Gögenur:
"Det har en evne til at forudsige dødsfald inden for et år efter tarmkræftkirurgi med en præcision på omkring 80 procent."
Vil skabe international best practice
I 2022 modtog det nye projekt FLORENCE støtte af Den Europæiske Fond for Regionaludvikling Interreg Öresund-Kattegat-Skagerrak.
Støtten går til at udvikle et nyt værktøj baseret på kunstig intelligens og federeret læring målrettet sundhedsfagligt personale på hospitaler i hele programregionen.
Nu arbejder danske, svenske og norske samarbejdspartnere med professor Ismail Gögenur i front sammen på projektet, der på længere sigt vil skabe en international best practice.
Federeret læring har mange fordele
Ved at træne algoritmen til den nye AI-model på tværs af patientdata fra flere lande bliver den samlede mængde data langt større – og modellens evne til at forudsige mere præcis.
"Hvis jeg vil løse en udfordring med unge patienter, der får en cancer i endetarmen, og jeg kun har 1.000 i Danmark – så får jeg langt bedre modeller, hvis jeg både har 1.000 i Danmark og 1.000 i Norge, jeg kan træne modellerne på," siger Ismail Gögenur og tilføjer:
"Det styrker desuden AI-værktøjet, at der anvendes patientdata på tværs af grænser, så modellen ikke kun analyserer lokale forhold."
Ikke altid gode til at implementere
Det AI-værktøj, der udvikles i projekt FLORENCE, skal i 2025 implementeres på de hospitaler, der deltager i projektet.
"Det fører til en ny række af erkendelser, der skal gøres: Hvad er styrker og svagheder i den proces, der handler om at implementere værktøjet? Og ikke kun i den ene afdeling – men så det også får vinger og bliver udbredt til andre sygdomsområder og til andre regioner og lande," siger Ismail Gögenur.
For selvom forskere er gode til at generere data, er de ikke altid så gode til at implementere de erkendelser, de gør sig i en forskningsproces, forklarer han.
"Hele den pipeline fra at finde en ny måde at håndtere et klinisk behov – og kunne hele værdikæden fra at skabe idéen, eksekvere på indhentet data og implementere det – den skal vi øve os på nu," siger Ismail Gögenur.
Inddrager klinikerne i processen
Ismail Gögenur forklarer, at projektgruppen af samme årsag gennem hele forløbet inddrager klinikerne i udviklingen.
"Vi fortæller altid vores klinikere, hvad vi er i gang med at udvikle – og vi beder løbende om deres input for at få en lakmustest af, om det kan flyve," siger Ismail Gögenur.
"Vi spørger for eksempel: Hvordan vil I gerne bruge det her i klinikken? Vi har integreret klinikerne i hele arbejdsprocessen, også for at skabe en lettere vej til implementering og skabe et medejerskab fra starten," fortsætter han.
Syv virksomheder følger projektet
Som en del af projekt FLORENCE er der oprettet en følgegruppe med syv private virksomheder, der følger projektet tæt.
Det sker i en erkendelse af, at der skal være et økonomisk incitament for private virksomheder, hvis indsigterne skal ud at leve på en større klinge, forklarer Ismail Gögenur.
"Hvis det her skal ud at leve på en større klinge, skal der være virksomheder, der kan se, at det kan være et vækstgrundlag for dem. Det vil sige virksomheder, der kan have en kommerciel interesse i projektet, og som kan sikre spredning og anvendelse af det, vi laver," siger forskningslederen.
VIL DU VIDE MERE?
Kontakt Mette Bierbum Bacher, kommunikationskonsulent, Forskningsenheden i Staben på Sjællands Universitetshospital.
Telefon: 23 27 42 06 | Mail: [email protected]