MOTVIRKE OVERBEHANDLING: Håvard Danielsens forskergruppe har utviklet metoder som blant annet kan forutsi hvilke pasienter som får en aggressiv sykdomsutvikling – og dermed avdekke hvem som vil trenge aggressiv behandling og hvem som ikke trenger det. Foto: Jorunn Valle Nilsen, Kreftforeningen

Foto:

Vil finne ny kunnskap om «gammelt» konsept

Professor Håvard Danielsen vet at kunstig intelligens virker. Nå vil han finne ut hvordan.

I en høytidelig seremoni mandag, overrakte Kong Harald V Kreftforeningens kreftforskningspris for 2022 til Håvard E. G. Danielsen, professor ved UiO og leder av Institutt for kreftgenetikk og informatikk ved Oslo universitetssykehus (OUS).

– Dette er jo den høyeste prisen man kan få i Norge for kreftforskning, og jeg tolker den som en anerkjennelse fra det norske forskningsmiljøet, sier Danielsen i en kommentar til Dagens Medisin.

Danielsen har flere utmerkelser fra utlandet, men dette blir den første hjemme i Norge.

– Denne gjeve prisen setter på en måte kronen på verket, beskriver han.

Forut for sin tid

Hvis du trodde at artificial intelligence (AI) – eller kunstig intelligens (KI) på norsk – var et nytt fenomen, må du tro om igjen. Danielsen og hans forskergruppe har drevet med maskinlæring i 20 år.

– Dyplæring er et gammelt konsept, men vi har ikke hatt datamaskiner som har vært kraftige nok. Derfor har dette først nå blitt praktisk gjennomførbart, forteller Danielsen.

Kort forklart består forskergruppens arbeid i å mate datamaskiner med millioner av bilder av tumorer for å lære dem opp til å gjenkjenne en kreftsvulst, dens egenskaper – og dermed beregne prognose.

– Utgangspunktet er at vi har en altfor stor grad av over- og underbehandling av kreft. Fordi det er vanskelig å finne en ideell behandling, får mange for mye behandling – og den er ikke spesielt skånsom heller. Derfor er det et stort poeng å finne markører som kan forutsi hvor langt sykdommen har kommet for å kunne gi den riktige behandlingen.

Behandler for mange

Han viser til at prostatakreft er et område der godt over halvparten overbehandles.

– Den ene halvparten hadde kanskje ikke trengt behandling i det hele tatt, mens den andre halvparten hadde dødd uten. I dag har vi ikke gode metoder for å finne ut hvilken gruppe den enkelte tilhører.

Det vil alltid være en viss skepsis mot å ta i bruk metoder der du ikke kan forklare hvorfor – og hvordan – de virker. Håvard E. G. Danielsen

– Vi vet heller ikke hvorfor noen kreftceller er lite aggressive, og at noen veldig aggressive. Dermed kan to tilsynelatende like pasientforløp, pasienter av samme kjønn, samme alder og med samme krefttype og -stadium, få to helt ulike utfall. Den ene dør og den andre blir frisk.

Når det gjelder kolorektal kreft, får alle i stadium III cellegift i dag: En behandling som gir skader i nervesystemet for 30 prosent av pasientene, og som tar livet av én prosent av dem.

– Dette er akseptabelt hvis den redder liv, men ikke hvis den ikke gjør det. Mange trenger ikke kjemoterapi, fordi den bare har effekt på en liten gruppe av pasientene. Det betyr at mange får for mye behandling, og at helsevesenets ressurser brukes feil.

Danielsen og forskergruppen har viet sine karrierer til å finne metoder som kan forutsi hvilke pasienter som får en aggressiv sykdomsutvikling og dermed avdekke hvem som vil trenge aggressiv behandling – og hvem som ikke trenger det.

– Molekylære analyser en én måte å gjør det på, men jeg har valgt å se på det litt større bildet og fokusere på genomstabilitet – om arvestoffet er stabilt eller ikke, sier han.

Dette var bakgrunnen for DoMore-prosjektet, som ble muliggjort på grunn av en stor tildeling på 60 millioner kroner fra Forskningsrådet for fem år siden.

Beregner prognose

Gjennom disse årene har innsatsen vært spisset inn mot å studere genetiske forandringer i kreftceller med datamaskinens øyne. De har også utviklet algoritmer som kan behandle store mengder data, og selv komme frem til om hvorvidt pasienten har en god eller dårlig prognose – med 80 prosent sannsynlighet. Til sammenligning kan en patolog med tradisjonelle metoder bare stille prognose med om lag 60 prosent sannsynlighet for rett svar.

– Men hvorfor trenger vi datamaskiners hjelp til å stille diagnose og prognose?

– For det første: I dag stilles kreftdiagnosen av en patolog, og disse diagnosene er riktige i mer enn 95 prosent av tilfellene. Men vi har for få patologer, noe som fører til at kreftprøver kan bli liggende i uker og måneder på vent. Dette er lite gunstig for pasientene. Patologien er en flaskehals i kreftbehandling i kraft av at det er for få patologer.

– Det andre er at kreftsvulster er heterogene. Man kan få to ulike svar etter hvor på svulsten prøven tas fra. Samtidig er patologi en subjektiv vitenskap, både på grunn av tumorheterogenitet og kapasitet og variasjon mellom patologer. Den eneste måten å angripe dette problemet på, er å analysere mer – derav navnet DoMore – som vil finne en raskere og mer effektiv metode for å angripe dette på.

Håvard Danielsen understreker at han ikke har til hensikt å erstatte patologene.

– Digital patologi er et supplement, et fjerde ben. Vi prøver å løse de samme problemene, men fra ulike vinkler. For 20 år siden var mange skeptiske til denne teknologien. I dag forstår vi at dette er en viktig del av fremtiden. Patologene er så suverent gode på diagnose, men det finnes bedre løsninger for prognose. Men vi samarbeider godt og har stor respekt for hverandre.

Vil vite enda mer

I begrunnelsen for Olav Vs kreftforskningspris heter det at Danielsen «forventes å bidra sterkt til sitt felt i mange år fremover». Dette arbeidet har allerede begynt. Nå jobber han med å videreutvikle teknologien slik at den kan komme enda flere pasienter til gode.

– Nå har vi også utviklet en metode for prostatakreft, og vi jobber med lungekreft. Det som tar tid, er at vi må mate datamaskinen med nok bilder slit at den klarer å utvikle algoritmer til de ulike krefttypene. Metoden for kolorektal kreft er basert på data fra 4500 pasienter, og vi har trent opp nettverket med 12 millioner bilder, opplyser han.

– Samtidig er vi opptatt av å gjøre denne kunstige intelligensen ettersporbar. Et problem er at vi ikke vet hvordan den kunstige intelligensen kommer frem til informasjonen – hva den legger vekt på. Det forsker vi på nå. Dette er viktig fordi det alltid vil være en viss skepsis mot å ta i bruk metoder der du ikke kan forklare hvorfor – og hvordan – de virker.

– En annen positiv bieffekt vil være å få mer kunnskap om kreftutvikling. Den kunstige intelligensen plukker opp informasjon som i dag er ukjent for oss, men som det er viktig å bli kjent med, oppsummerer han.

Interessekonflikter:
Prosjektdeltakerne som har jobbet med AI-markøren som er omtalt i artikkelen, har startet selskapet Domore Diagnostics AS. Håvard Danielsen og resten av forskningsgruppen har aksjer i selskapet.

Powered by Labrador CMS