Din kræftrisiko kan i fremtiden vurderes af blodprøve og kunstig intelligens
I et nyt, dansk studie kunne den kunstige intelligens med høj sandsynlighed forudse, om en patient vil udvikle kræft inden for 90 dage.
patologi blodprøve vævsprøve kræft risiko AI kunstig intelligens

En blodprøve, der analyseres ved hjælp af AI, kan måske fremover blive et vigtigt værktøj for læger, når de skal vurdere, om en patient er i risiko for at udvikle kræft. (Foto: Shutterstock)

En blodprøve, der analyseres ved hjælp af AI, kan måske fremover blive et vigtigt værktøj for læger, når de skal vurdere, om en patient er i risiko for at udvikle kræft. (Foto: Shutterstock)

Evidensbarometer
Hvor stærk evidens giver studiet omtalt i denne artikel?
Evidensbarometer
Hvor stærk evidens giver studiet omtalt i denne artikel?
Peer reviewed
(Peer review betyder, at andre forskere har kvalitetssikret den videnskabelige artikel før udgivelse. Læs mere)

Videnskab.dk har vurderet forskningen ud fra 4 kriterier:
  • Videnskabelig publicering
  • Undersøgelsens metode
  • Samlet evidens
  • Særlige bemærkninger

Evidensbarometeret vægter kvalitetsstemplet forskning og straffer det modsatte.

Derfor er det afgørende for barometerpilens udfald, om et studie er udgivet i et videnskabeligt tidsskrift og peer reviewed – det vil sige blåstemplet af uvildige fagfæller.

En række andre eksempler vil derimod få Evidensbarometerets pil til at lande på rød.

Det kan være rapporter fra ministerier, interesseorganisationer eller endda universiteter, hvis der ikke er tale om peer reviewed forskning.

Anekdotebårne historier, blogs eller meldinger fra selvudnævnte eksperter vil også få bundkarakter.

Studiet er et registerstudie, der finder statistiske sammenhænge (korrelationer), så forskere kan opstille hypoteser om, at der er årsagssammenhænge (kausalitet). Et enkelt registerstudie giver ikke stærk evidens for årsagssammenhæng. 

Læs mere i artiklen Korrelation eller kausalitet? Hvornår er der en årsagssammenhæng?

Når man vurderer, om der er evidens for, at en behandling virker, eller at noget gør os syge eller sunde, tester man det med en videnskabelig metode.

Grafikken viser, at forskellige metoder giver forskellige grader evidens. Jo højere, metoden befinder sig, des stærkere er evidensen som hovedregel. Metoden er afgørende for bedømmelsen af studiet.

Mere: 

Ikke al forskning giver lige meget evidens: Lær at skelne

Hvad er videnskabelig evidens?

5 spørgsmål, du bør stille dig selv, når du læser om forskning (video på YouTube)

Nye videnskabelige studier skal ses i forhold til de tidligere. Ét enkelt forskningsresultat kan ikke vælte årtiers forskning og viden – evidens – af pinden.

Hvis studiet viser noget radikalt anderledes end anden forskning, skal du være på mærkerne. Er studiet meget bedre lavet end andre? Eller strider konklusionen mod hidtidig evidens uden synderlig god grund?

Mange forskellige typer studier, der peger i samme retning, eller et særligt solidt studie, giver som udgangspunkt stærk evidens. I modsat fald er evidensen svagere.

Læs mere i Videnskab.dk’s manifest: Tjek altid, hvad den øvrige forskning viser.

Vær opmærksom på, at softwarefirmaet SAS Institute har været med til at lave studiet. Læs mere i faktaboksen i artiklen.

Her kan du se den tjekliste, Videnskab.dk’s journalister bruger til at undersøge studier om sundhed.

Studiet giver en vis evidens

Læs mere

Det lyder næsten for godt til at være sandt:

Kan man virkelig bruge kunstig intelligens (AI) til at forudsige risikoen for kræft hos patienter henvist fra egen læge baseret på rutinemæssige blodprøver?

Ja, er konklusionen i et nyt dansk studie, der er lavet i et samarbejde mellem Sygehus Lillebælt, Institut for Biokemi og Immunologi ved Syddansk Universitet, Kræftens Bekæmpelse og softwarefirmaet SAS Institute, og som er publiceret i Clinical Chemistry and Laboratory Medicine (CCLM).

»Ved at bruge den her metode kan vi se, om en patient er i risiko for at få kræft, eller om en patient absolut ikke er i risiko. Det er jo helt fantastisk. Vi er de første i verden, der har gjort det her,« siger Ivan Brandslund, professor i klinisk biokemi og kunstig intelligens ved Syddansk Universitet og tilknyttet Sygehus Lillebælt, Vejle Sygehus, som står bag studiet.

Også Sadasivan Puthusserypady, professor i Sundhedsteknologi ved Danmarks Tekniske Universitet, er meget positiv overfor studiet.

»Det er et rigtig godt stykke arbejde,« siger han.

Han har ikke været en del af studiet, men arbejder selv med AI, som, han mener, har et stort potentiale - især inden for sundhed.

»AI bliver brugt alle steder. Jeg bruger det også i min egen forskning. Det er et redskab, et meget stærkt redskab, som vi kan tage i brug i de situationer, hvor vi har adgang til enorme datamængder,« siger han.

SAS Institutes rolle i studiet

En af forfatterne bag det nye studie er Christian Hardahl, der samtidig er ansat hos softwarefirmaet SAS Institute.

Det fremgår af studiets afsnit om konkurrerende interesser, at den kunstige intelligens, som bruges i studiet, er købt af SAS Institute.

Christian Hardahl forklarer til Videnskab.dk, at SAS Institute har bidraget med data samt analyse- og algoritmearbejdet i studiet.

»SAS’ interesse er muligheden for at gøre tilsvarende arbejde med andre danske regioner og dermed udbrede brugen og værdien af SAS' teknologi og konsulentydelser til regioner i Danmark og Norden,« siger Christian Hardahl.

Startede med en nysgerrighed

Ivan Brandslund og hans forskerkolleger, der står bag studiet, var nysgerrige på, om man mon hos patienter, der gik til deres praktiserende læge med uspecifikke symptomer, kunne bruge blodprøver som et ekstra værktøj til at identificere personer, der var i øget risiko for at få kræft.

Så allerede for 14 år siden - hvor ingen tænkte på kunstig intelligens - sammensatte Vejle Sygehus 23 foruddefinerede laboratorieblodprøver i en analytisk profil, som blev introduceret til praktiserende læger.

Det var en del af indførelsen af accelereret udredning i et kræftpakkeforløb, som Vejle Sygehus dengang fandt på.

»Det viser, hvor vigtigt det er at have data udført og lagret,« siger Ivan Brandslund.

Senere blev formålet at bruge disse data til at finde ud af, om man med en statistisk analyse - med brug af kunstig intelligens - af blodprøverne kunne forudsige, om en patient ville få kræft indenfor 90 dage.

»Den her metode kan øjeblikkeligt forudsige, hvad risikoen hos den enkelte er for at have en kræftsygdom diagnosticeret inden for tre måneder. Det vil sige, vi har regnet det ud i absolutte risici: At din risiko for eksempel er to procent for at få kræft, og da befolkningens gennemsnit er tre til fire procent, er din risiko altså lav,« siger Ivan Brandslund. Han fortsætter:

»Men du kan også have 80 procents risiko, og så kan vi melde tilbage til patient og læge, så de kan se på tallene og finde ud af, om det giver mening at gå videre med flere undersøgelser.«

Kan blive et ekstra værktøj

AI-risikoscoren kan vise sig at være et værdifuldt værktøj i den kliniske beslutnings-proces. Den praktiserende læge får allerede samme dag analysesvar fra blodprøverne, der understøtter de svar, patienten skal have.

Det kunne for eksempel være, om en patient har brug for hurtige yderligere undersøgelser ved en høj risiko, eller hvis risikoen er lav, at man ser tiden an og ikke sætter unødige invasive undersøgelser i gang, der stresser patienten og belaster sundhedsvæsnet.

»Når lægen siger, at du kan have en alvorlig sygdom som kræft, så bliver kræftpakken sat i gang, og du bliver sendt videre til undersøgelser. Det er måske lidt uheldigt, fordi 80 procent ikke vil have kræft, men kommer igennem undersøgelser og bliver stigmatiseret. Det er jo ikke godt,« forklarer Ivan Brandslund.

»Så er det bedre at sige: Din risiko er så lav, så skal vi ikke lige vente og se igen om 6 måneder? Ved at bruge den her metode kan vi altså frasortere 40-45 procent af patienterne, der ikke behøver at blive sendt videre til kræftudredninger.«

Er det en sikker metode?

Men kan vi virkelig være sikre på, at den her nye AI-metode er så sikker?

»Det kan vi jo ikke. Men det kan vi aldrig,« siger Ivan Brandslund og tilføjer:

»Intet er 100 procent sikkert. Vi måler en risiko, og den kommer altid med en usikkerhed, som vi ikke kender helt. Men vi tror, at får man en risiko omkring 90 procent, så er usikkerheden plus minus 5 procent.«

Men »sådan er det«. Alt er sandsynligheder. Det, der tæller, er, om det er bedre end lægerne, mener han.

»Det har taget seks år at få en forståelse for det. Det er resultater af 14 års analyser, hvor patienter er blevet henvist til udredning for kræft. Vi havde alle analyse-resultaterne, som vi kunne tygge os igennem for at se, om vi kunne korrelere dem til, hvad der skete med patienterne. Og det virkede.«

»Vi kan se, at AI giver den bedste 'area under the curve'.«

Nu bliver det måske lidt teknisk. 'Area under the curve' (AUC) er en måde at måle, hvad den bedste kombination er af sensitivitet og specificitet.

Sensitivitet er evnen til at finde dem, der er syge. Specificitet er evnen til at finde dem, der ikke er syge.

En test skal kunne begge dele, forklarer Ivan Brandslund.

»Hvis AUC er 100 procent, kan den skelne de raske fra de syge. Hvis den er lidt dårligere, er den måske 80-90 procent. Og hvis den er helt ende på 50 procent, kan man lige så godt slå plat eller krone. Det er den måde, man måler på, om det virker,« siger Ivan Brandslund og tilføjer:

»Over 90 procent er ekstremt flot. Nogle har sammenlignet det med, hvad patologer (speciallæger, der undersøger vævsstykker for at stille en diagnose, red.) kan se, om der er kræft eller ej. De ligger på 70-75 procent, og vi ligger på 85-95 procent - uafhængigt af kræfttypen.«

Modellen skal stadig forbedres

Det er en god start, men vi har brug for mere data, før vi kan sige noget med 100 procents sikkerhed, mener Sadasivan Puthusserypady.

»Det går i den rigtige retning, men modellen skal nok stadig forbedres, som ny data kommer ind. Jo mere data vi har, jo bedre er modellen,« siger han.

Studiet er baseret på en kohorte med blodprøver fra 6.592 kvinder og mænd over 18 år, som er blevet henvist til undersøgelse for kræft indenfor de seneste 12 år.

Kan hjælpe lægerne

Metoden er allerede klar til at blive taget i brug, men forskerne vil gerne se, hvordan lægerne bruger den først, forklarer Ivan Brandslund.

Derfor fortsætter de med at sende sende alle analyseresultaterne videre til lægerne uden at sende svarene fra den kunstige intelligens. Først fra årsskiftet får lægerne også tilsendt svarene fra den kunstige intelligens.

Det sker på Sygehus Lillebælt, Vejle Sygehus, i Region Syd, hvor der bliver lavet en hel AI-afdeling.

»Det, vi laver, er next-level klinisk bio-kemi. I stedet for at sende 23 tal, analyser på blodprøverne, som den stakkels læge skal se på, og som er håbløst at tolke på, fordi nogle tal går ned og op, som lægen ikke kan sætte sammen i forhold til, om det tyder på kræft,« siger Ivan Brandslund. 

»Vi fortæller lægen, hvad tallene betyder, og om der er risiko for, at personen får kræft eller ej. Metoden genkender mønstre. Det kan lægen ikke.«

Og det bliver ikke dyrt at tage i brug, for analyserne foretages allerede rutinemæssigt.

»Vi analyserer i forvejen 23 forskellige komponenter i patientens blod efter henvisning fra den praktiserende læge. Så vi lægger bare endnu en analyse på, nemlig en AI-analyse af analyseresultaterne, som vi så kan oversætte til risikoen for at have eller få kræft,« siger Ivan Brandslund.

»Det er fremtiden.«

Videnskab.dk Podcast

Lyt til vores seneste podcast herunder eller via en podcast-app på din smartphone.

Ny video fra Tjek

Tjek er en YouTube-kanal om videnskab henvendt til unge.

Indholdet på kanalen bliver produceret af Videnskab.dk's videojournalister med samme journalistiske arbejdsgange, som bliver anvendt på Videnskab.dk.

Ugens videnskabsbillede

Se flere forskningsfotos på Instagram, og læs om det bizarre havdyr her.

Hej! Vi vil gerne fortælle dig lidt om os selv

Nu hvor du er nået helt herned på vores hjemmeside, er det vist på tide, at vi introducerer os.

Vi hedder Videnskab.dk, kom til verden i 2008 og er siden vokset til at blive Danmarks største videnskabsmedie med over en halv million brugere om måneden.

Vores uafhængige redaktion leverer dagligt gratis forskningsnyheder og andet prisvindende indhold, der med solidt afsæt i videnskabens verden forsøger at give dig aha-oplevelser og væbne dig mod misinformation.

Vores journalister fortæller historier om både kultur, astronomi, sundhed, klima, filosofi og al anden god videnskab indimellem - i form af artikler, podcasts, YouTube-videoer og indhold på sociale medier.

Vi stiller meget høje krav til, hvordan vi finder og laver vores historier. Vi har lavet et manifest med gode råd til at finde troværdig information, og vi modtog i 2021 en fornem pris for vores guide til god, kritisk videnskabsjournalistik.

Vores redaktion gør en dyd ud af at få uafhængige forskere til at bedømme betydningen af nye studier, og alle interviewede forskere citat- og faktatjekker vores artikler før publicering.

Hvis du går rundt og undrer dig over stort eller småt, vil vi elske at høre fra dig og forsøge at give dig svar med forskernes hjælp. Send bare dit spørgsmål til vores brevkasse Spørg Videnskaben.

Vi håber, at du vil følge med i forskningens forunderlige opdagelser her på Videnskab.dk.

Få et af vores gratis nyhedsbreve sendt til din indbakke. Du kan også følge os på sociale medier: Facebook, Twitter, Instagram, YouTube eller LinkedIn.

Med venlig hilsen

Videnskab.dk