Verktøy skal gjøre det mulig å sjekke flere sykdommer i én blodprøve

Milena Pavlovic og Lonneke Scheffer tar doktorgraden ved Institutt for informatikk og står for mye av programmeringen som ligger bak immuneML. 

– Hvis du vet hvordan verktøyet virker for én sykdom, kan det være relativt enkelt å lage diagnoseverktøy for andre typer sykdommer også, sier Lonneke Scheffer. 

– Unikt
Førsteamanuensis Victor Greiff ved Institutt for klinisk medisin forklarer at ved hjelp av maskinlæring kan man finne mønstre som kan gi mye informasjon om helse og sykdom. 

– Uten at vi i utgangspunktet vet hvordan de ser ut eller hva som kjennetegner dem. Det er det som er så unikt og spennende med maskinlæring, sier Greiff i en pressemelding fra det medisinske fakultet. 

– Klarer vi å finne mønstrene, kan vi kanskje stille diagnose for en rekke sykdommer fra bare én enkelt blodprøve, uttaler Greiff. 

Ved å analysere blodprøven ved hjelp av maskinlæring vil de finne mønstrene som pasientens immunsystem har lagret. 

Professor Geir Kjetil Sandve ved Institutt for informatikk, Scheffer og Pavlovic samarbeider med forskere på Rikshospitalet for å studere immunreseptorer som kan knyttes til cøliaki, ved hjelp av verktøyet ImmuneML.

– Vi bruker det selv for å se etter mønstre i disse millionene med reseptorer som kan si om en person har cøliaki, sier Sandve.

Han mener at verktøyet kommer til å spille en stor rolle i fremtidige pandemier. 

– Da tror jeg det kan være mulig å stille diagnose ved å bruke denne metoden. Det kan også hende vi kan lage prognoser ut fra hva slags immunrespons folk har, for å avgjøre om bør de legges inn på intensivavdeling eller ikke. Vi kan kanskje se hvor effektiv respons de vaksinerte har – om immunsystemet har laget gode motstandsstoffer, sier Sandve.

Hårfine forskjeller
Det nye verktøyet immuneML er åpent for alle som er interessert i å prøve det. 

– Neste skritt for oss er å gjøre modellene vi har laget enda mer robuste. Vi vil for eksempel sørge for at en modell som er trent på folk fra Oslo, også kan brukes i Bergen eller andre steder i landet eller i et annet land, sier Pavlovic.

– Det kan være hårfine forskjeller mellom ulike grupper som kan føre til gale prediksjoner. Slikt kan utgjøre et problem for maskinlæring, og er noe vi planlegger å se nærmere på, sier hun.

De to doktorgradsstudentene håper det vil oppmuntre folk til å utvikle nye verktøy som også legges ut med åpen kildekode og deles med hele forskningssamfunnet.

– Slik kan vi forbedre vår forståelse av hvordan immunsystemet faktisk gjenkjenner en sykdom, sier Pavlovic.