NRK Meny
Normal

Kreftlegar får nye verktøy

Dagens metode for å føresjå kreftsvulstars utvikling er ikkje treffsikker nok. No utarbeider eit norsk prosjekt ei avansert IKT-løysing som skal syte for at kreftpasientar får korrekt behandling.

Ein heilt ny video illustrerer korleis ein skal stille meir treffsikre prognosar med avansert datateknologi. Video: Institutt for kreftgenetikk og informatikk, UiO.

Med ei forventa auke av kreftpasientar i dei komande tiåra blir korrekt kreftbehandling berre viktigare og viktigare.

Dagens patologar er veldig flinke til å diagnostisere kreft, men når ein kjem til prognosen – det å føresjå svulstens utvikling – kan dei vere ueinige om korleis ein skal behandle pasienten.

– I gjennomsnitt kan ein i 60 prosent av tilfella gi korrekt klassifikasjon for ein kreftsvulst. Det er ikkje godt nok, forklarar Håvard E. Danielsen, professor i informatikk ved Universitetet i Oslo og professor i medisin ved University of Oxford i England.

Danielsen er også prosjektleiar for forskingsprosjektet DoMore ved Institutt for kreftgenetikk og informatikk, UiO. Dei tek i bruk svært avansert datateknologi som lærar av seg sjølv for å stille meir treffsikre diagnosar og prognosar. Det kan redde mange liv og spare samfunnet masse pengar.

Prosjektkoordinator for DoMore, Anna Kenseth og instituttleiar, professor Håvard E. Danielsen

Prosjektkoordinator for DoMore, Anna Kenseth og instituttleiar, professor Håvard E. Danielsen

Foto: IKI

Leiar i den norske patologforening, Ying Chen peikar på at kreftsvulstar kan vere svært individuelle. Ho fortel at patologar er best rusta til å gjere vevsdiagnostiske vurderingar, men håpar at datateknologi kan vere eit tilleggsverktøy.

– Den morfologiske diagnostikken vil utan tvil utgjere ein viktig del av pasientrettat diagnostikk og behandling også i framtida – også når nye teknologiar kjem på bana, seier Chen.

Morfologi handlar om å kjenne igjen former, mønster og struktur.

Chen ønsker nye metodar for betre diagnostikk velkommen, men minner om at det er svært viktig å teste nye resultat opp mot den diagnostikken vi bruker i dag.

Teknologi som lærar

Datamaskiner eignar seg til å gjere nokre av patologens arbeidsområde takka vere ein form av kunstig intelligens kalla deep learning, eller maskinlæring om ein vil. Tradisjonelt løyser datamaskiner problem ved å bli fortalt korleis dei skal løyse problemet. Deep learning er derimot ei slags algoritme som sjølv lærar å løyse problemet. Dette kan dei gjere ved å finne mønster i store datamengder. Dei kan for eksempel, i dette tilfellet, samanlikne tusenvis av kreftsvulstar.

– Vi har stor mangel på patologar i ei tid der ein eigentleg treng stadig fleire. Prosjektet vårt skal utvikle teknologi for å assistere dei. Datamaskiner vil ta seg av dei biologiske prøvene med alt frå automatisert skanning til tolking av resultat og presentere det for fagfolket, forklarar Danielsen.

Automatiseringa i DoMore omfattar i første omgang prostata-, tarm- og lungekreft. 7000 pasientar inngår allereie i prosjektet, og so langt er prosjektet framfor skjema ifølgje Danielsen. Den tverrfaglege forskingsgruppa har fått 60 millionar kroner frå Noregs forskingsråd og har eit samla budsjett på 115 millionar for å utarbeide ei ferdig løysing innan 2021.