»Epokegørende«: Dansk AI kan forudse dine sygdomme 20 år ud i fremtiden

Får du eller en af dine nærmeste kræft, gigt, blodforgiftning eller andre sygdomme i løbet af de næste 20 år?

I fremtiden kan du måske gå til lægen og får svar på den slags spørgsmål. Et nyt dansk-britisk studie, der netop er publiceret i Nature, viser i hvert fald, at det er teknisk muligt at forudsige, hvilke sygdomme folk bliver ramt af.

Forskerne bag har skabt en ny algoritme baseret på kunstig intelligens, der med høj sandsynlighed kan forudsige, hvilke diagnoser ud af 1.000 forskellige en person får i fremtiden.

Den kan også regne ud, hvilken rækkefølge sygdommene kommer i.

»Det er superspændende og meget lovende, at man på denne nye måde kan bruge kunstig intelligens til at forebygge sygdomme og forbedre folkesundheden,« siger professor Sune Lehmann fra Afdeling for Anvendt Matematik og Computervidenskab på Danmarks Tekniske Universitet (DTU).

»Forskerne har bygget en kæmpe model, som kan se sammenhænge, man ikke kendte i forvejen,« tilføjer professoren, som ikke har været involveret i studiet, men har læst det for Videnskab.dk.

»Epokegørende« ifølge dansk forsker bag

I studiet præsenterer danske og britiske forskere en prototype på en AI-model, der fungerer efter samme princip som ChatGPT og andre af de sprogmodeller, der er kommet frem i de senere år.

Modellen, som hedder Delphi-2M, har de trænet til at forudsige sygdomme på helbredsdata fra mere end 400.000 briter.

Forskerne har tanket den op med oplysninger om:

• Hvilke sygdomme briterne har haft
• Hvornår de blev syge
• I hvilken rækkefølge de forskellige lidelser har ramt
• Den har også fået info om briternes køn, etnicitet, BMI, alder samt tobak- og alkoholforbrug.

De mange træningsdata har gjort algoritmen i stand til at genkende sygdomsmønstre og lave statistiske forudsigelser 20 år frem i tiden.

»Det er epokegørende, at en AI-model kan analysere så mange sygdomme samtidigt og genkende deres relation til hinanden,« siger den danske professor Søren Brunak, der har været med til at udvikle og teste Delphi-2M.

To millioner danskere er testkaniner

AI-modellen forudser nogle sygdomme bedre end andre.

»Men i gennemsnit er den ret imponerende, især taget i betragtning at den skal vælge mellem 1.000 sygdomme hver gang,« siger Søren Brunak, der er leder af Københavns Universitets Afdeling for Sundhedsdataforskning og AI.

Modellen er ifølge studiet bedst til at forudsige diagnoser, der har klare og konsistente sygdomsmønstre. Det kan ifølge forskerne være visse typer kræft, hjerteanfald og septikæmi, som er en form for blodforgiftning.

Modellen er dårligere til at forudsige tilstande som psykiske lidelser eller graviditetssygdomme, der afhænger af uforudsigelige livsbegivenheder.

Delphi-2M er dog bedre end de nuværende modeller og metoder, der er udviklet til at forudse sygdom. Det viser tests, der involverer næsten 2 millioner danskere.

Forskerne har nemlig målt Delphi-modellens præcision ved at sammenligne dens forudsigelser med oplysninger om, hvilke sygdomme 1,9 millioner danskere mellem 50 - 80 år reelt har haft i deres patientforløb.

Læs om de danske data i faktaboksen.

Lovende retning - men stadig en prototype

Der kommer dog til at gå et stykke tid, før du måske kan gøre dig forhåbninger om at gå til lægen og få kortlagt dine fremtidige sygdomme af kunstig intelligens. Og det bliver næppe Delphi-2M, der kommer til at udføre opgaven.

Modellen er nemlig endnu ikke bygget til at blive brugt i praksis. Det er en prototype, der demonstrerer, at det kan lade sig gøre at bruge AI-teknologien til at forudsige sygdomme og deres relation til hinanden.

»Studiet viser, at det er en lovende retning at gå i,« siger Sune Lehmann, der selv har brugt samme teknologi til at bygge en prototype på en AI-model, som kan forudsige et menneskes livsforløb, blandt andet personlighed og levealder.

Modellen til at forudse menneskeliv er beskrevet i et studie i tidsskriftet Nature Computational Science.

Ikke bred og repræsentativ

Delphi-M2 er ikke klar til brug, blandt andet fordi de data, den er trænet på, ikke dækker en bred og repræsentativ del af befolkningen.

Modellen vil derfor ikke virke lige så godt for lande hvor borgerne har en helt anden etnicitet, eller et helt andet sundhedssystem end det offentlige i Danmark og Storbritannien, forklarer Sune Lehmann:

»Det er også vigtigt at overveje nøje, hvordan sådan en model skal implementeres, og hvordan man skal formidle dens forudsigelser,« siger professoren.

»Skal folk eksempelvis have at vide, at de får alle mulige sygdomme? Og i så fald hvordan?« spørger han.

Redskab til forebyggelse og målrettet behandling

Forskerne bag studiet håber, at teknologien på sigt kan hjælpe læger med at skræddersy forebyggelse til den enkelte patient. Herunder lave målrettede screeninger og give den bedst mulige behandling af et stigende antal ældre patienter, der lider af flere sygdomme samtidig.

For en sygdom kommer sjældent alene: Mennesker med type-2-diabetes har for eksempel oftere end gennemsnittet ligeledes sygdomme som hjerte-kar-problemer, søvnapnø, gigt og KOL.

»Vi ved, at det har betydning for prognosen, hvilken rækkefølge sygdommene opstår i. Det betyder også noget, når lægerne skal vurdere, hvor aggressiv behandlingen skal være. Så det giver mening at få hjælp fra en AI-model til at forudsige det,« siger Søren Brunak.

Søren Brunak nævner også, at modellen kan bruges på samfundsniveau, til at forudse hvilke sygdomme der bliver udbredt i fremtiden. Det er gavnligt, når der skal træffes politiske beslutninger og prioriteres i sundhedsvæsenet.

Systemer, der bygger på kunstig intelligens, skal dog godkendes af flere forskellige offentlige myndigheder, før de må tages i brug i sundhedsvæsenet. Myndighederne vurderer blandt andet, om de er sikre og etisk forsvarlige at bruge.