Hopp til innhold

Kunstig intelligens kan redde flere kreftpasienter

Forskere har klart å forutse hvordan kreften til pasienter utvikler seg. Nå håper de at dataprogrammet skal kunne gi skreddersydd behandling til fremtidens kreftsyke.

Overlege Åslaug Helland

Overlege Åslaug Helland ved Radiumhospitalet viser Anita hvordan svulsten i lungene hennes tetter luftrøret og gjør det strevsomt å puste.

Foto: Heidi Fjørtoft Klokk / NRK

– Det hadde jo vært kjempebra, jeg kunne fått en skikkelig dunderkur også levd et normalt liv. For det kan jeg jo ikke nå, sier Anita Lundsten.

Hun fikk først påvist lungekreft i 2015, og har vært gjennom flere runder med behandling.

– Det har gått både opp og ned, men nå er det mest dårlige dager, sier 51-åringen.

Hverken cellegift, strålebehandling eller to runder med immunterapi, som hun nå går på, har klart å få has på svulsten i lungene hennes.

– Vi har bare klart å hindre at den vokser. Vi skulle gjerne funnet en behandling som gjorde at svulsten ble mindre, sier overlege Åslaug Helland ved Radiumhospitalet i Oslo.

Anita Lundsten og overlege Åslaug Helland

Etter flere runder med forskjellige kreftbehandlinger jobber overlege Åslaug Helland på Radiumhospitalet fortsatt med å finne den beste mulige kuren for Anita Lundsten.

Foto: Heidi Fjørtoft Klokk / NRK

Skal simulere tusenvis av behandlinger

Utfordringen er ikke unik. Rundt tre av ti kreftpasienter får behandlinger som ikke virker, og mange mister verdifull tid mens de leter etter riktig kur.

– Ingen svulster er like, og i tillegg er pasientenes kropper og helse forskjellige. Så finnes det uendelig mange kombinasjoner av de behandlingene og medisinene vi har tilgjengelig, men det er umulig å teste alle sammen. Vi må ha andre måter å gjøre det på.

Og det kan forskere ved Universitetet i Oslo være på sporet av, ifølge Apollon.

Et dataprogram under utvikling ved Institutt for medisinske basalfag skal gjøre det mulig å forutse hvilken kreftbehandling som vil ha best effekt for hver pasient.

Ved hjelp av informasjon om sykdommen og pasientens helse, kombinert med alt man vet om den spesifikke krefttypen, skal programmet gjøre tusenvis av simuleringer av forskjellige behandlinger. Basert på disse foreslår programmet hvilken metode som trolig vil virke best, før pasienten i det hele tatt har startet behandling.

Anita Lundsten

Svulsten i Anita Lundstens lunger har ikke blitt borte, selv etter flere forskjellige behandlinger.

Foto: Heidi Fjørtoft Klokk / NRK

Suksessfull første test

– Hver gang legene bestemmer en behandling, forutser de at den vil ha god effekt. Programmet vårt er bare et instrument som hjelper dem å forutse, sier prosjektleder og professor i biostatistikk, Arnoldo Frigessi.

Arnoldo Frigessi viser kreftsimulasjon

Professor Arnoldo Frigessi viser at programmet mener denne brystkreftpasienten kunne blitt kvitt kreften om man hadde tatt den samme typen cellegift, men oftere og i mindre doser.

Foto: Andreas de Brito Jonassen / NRK

For kort tid siden testet forskerne for første gang programmet med data fra fire virkelige brystkreftpasienter som har vært gjennom behandling. Med fasiten i hånd lot de programmet prøve å forutsi hvilken effekt behandlingen pasientene fikk ville ha.

– Vårt program klarte korrekt å vise hvordan det gikk med de fire pasientene, forteller Frigessi.

Fortsatt mye arbeid igjen

Samtidig er Frigessi klar på at programmet er langt unna å kunne brukes.

– Det må testes ut i studier, med mange flere pasienter, forskjellige steder i verden. Så jeg tror vi må vente 5-10 år før dette blir en virkelighet.

Helland er ikke i tvil om at verdien av et fungerende program ville være stor.

– Både for pasientene, som trenger å bruke tiden sin på ting som virker, men også for samfunnet. Det er snakk om veldig dyre medisiner. De bør spares til pasientene som har nytte av dem.

Biopsi (snitt) av en brystkreftsvulst

De rosa stripene er ekstremt tynne snitt av en brystkreftsvulst. Informasjon fra slike snitt kan gjøres om til data som programmet kan bruke i simuleringene sine.

Foto: Alvaro Köhn Luque / Xiaoran Lai / avdeling for biostatistikk, Institutt for medisinske basalfag, UiO