Computermodel kan pege på højrisikopersoner for bugspytkirtelkræft

Kræft i bugspytkirtlen hører til blandt de mest alvorlige kræftdiagnoser. Blot 11 pct. er i live fem år efter diagnosetidspunktet.

Den model, som vi har udviklet her, er allerede god til at identificere højrisikopersoner, men det er baseline og den nedre grænse for, hvor gode vi kan blive til at identificere de rette personer til screening

Søren Brunak, professor, Novo Nordisk Foundation Center for Proteins Research ved Københavns Universitet

En af grundene til den dårlige overlevelse er, at symptomerne på bugspytkirtelkræft er meget uspecifikke og ligner sygdomsbilledet ved mange andre og langt mere fredelige sygdomme og tilstande.

Nu viser et nyt dansk studie offentliggjort i Nature Medicine, at en avanceret computermodel kan identificere personer i højrisiko for udvikling af kræft i bugspytkirtlen.

Modellen er lavet og valideret på data fra flere end seks mio. danskere og tre mio. amerikanere.

»Modellen skal ikke nødvendigvis bruges på alle mennesker og så sende dem svaret, men den kan bruges til at identificere gruppen af danskere med højest risiko for kræft i bugspytkirtlen og så tilbyde dem i tidlig scanning, så man kan sætte dem i relevant behandling, hvis det viser sig, at de har kræftformen. Forbedret screening vil formentlig kunne forbedre overlevelsen for personer med denne meget alvorlige sygdom,« fortæller en af forskerne bag studiet, professor Søren Brunak fra Novo Nordisk Foundation Center for Proteins Research ved Københavns Universitet.

Model trænet på data fra millioner af danskere

I studiet har forskerne trænet en såkaldt deep learning-computermodel i at identificere mønstre i sygdomshistorikken forud for en diagnose med kræft i bugspytkirtlen.

De data, som forskerne har brugt i træningen af modellen, er fra Landspatientregisteret og stammer fra flere end 6,5 mio. danskere over 50 år. Dataene går helt tilbage til 1977.

Ud af de 6,5 mio. danskere havde 24.000 fået stillet en diagnose med kræft i bugspytkirtlen, og computermodellen lærte sig selv, hvad der i patientjournalerne typisk gik forud for en diagnose med bugspytkirtelkræft.

Forskerne fodrede ikke modellen med nogen form for specifik information, men lod den selv finde mønstre i data.

»Mange af symptomerne på kræft i bugspytkirtlen er meget uspecifikke. Det kan dreje sig om ondt i maven, sure opstød eller et vægttab. Det gør ikke, at man nødvendigvis tænker på kræft i bugspytkirtlen som det første, men hvis man for eksempel har brækket en arm, er man sjældent i tvivl om diagnosen. På de mange data lod vi modellen finde mønstre forud for en diagnose med kræft i bugspytkirtlen. Det gjaldt ikke bare i forhold til forekomsten af forskellige diagnosekoder, men også rækkefølgen på diagnosekoderne og tiden for diagnosekoderne,« forklarer Søren Brunak.

Trænede model på data fra amerikanske krigsveteraner

Forskerne benyttede størstedelen af de danske data til at træne computermodellen, men holdt data på 600.000 personer tilbage for at bruge dem til at validere, at modellen også var i stand til at identificere højrisikopatienter i data, som den ikke havde set før.

Forskerne fik desuden adgang til data på tre mio. amerikanere fra en database over sygehistorikken for amerikanske krigsveteraner.

I de amerikanske data havde 2.900 fået stillet en diagnose med kræft i bugspytkirtlen.

De amerikanske data bestod primært af data på mænd, og de er også på andre måder anderledes end data fra den brede danske befolkning. Blandt andet dør krigsveteraner ofte tidligere end den brede befolkning og derfor også ofte inden en eventuel diagnose for kræft i bugspytkirtlen. De har også øget forekomst af misbrugsproblemer og psykiske problemer.

»Men En af de helt store styrker ved vores studie er, at vi har testet og valideret vores model på data fra to forskellige lande. Det er meget stærkt,« siger Søren Brunak.

Pegede på personer med højest risiko for kræft

Valideringen af modellen viste, at den var i stand til at identificere personer med høj risiko for udvikling af kræft i bugspytkirtlen.

Hvis man som eksempel kigger på sundhedsdata fra de 1.000 personer, som modellen vurderede, havde den højeste risiko for udvikling af kræft i bugspytkirtlen, viste det sig, at hele 320 af dem udviklede sygdommen.

Søren Brunak mener, at denne type model kan bruges til netop at identificere gruppen af personer med den højeste risiko for udvikling af kræft i bugspytkirtlen og så invitere dem til at blive screenet for sygdommen.

»Det vil betyde, at man vil få færre falsk-positive resultater. Det er selvfølgelig en politisk diskussion, hvor snittet skal lægges, men med modellen her kan vi identificere gruppen med den højeste risiko for kræft i bugspytkirtlen, om det så er de 1.000 med den højeste risiko eller 100.000,« siger Søren Brunak.

Vil benytte meget mere data

Søren Brunak kalder modellen en prototype på det, som forskerne allerhelst vil lave, hvilket er en model, der ikke bare inkluderer data fra Landspatientregisteret, men også fra de praktiserende læger og fra databaser med laboratoriesvar.

Kan forskerne få inkluderet disse data i risikovurderingen, vil modellen ifølge Søren Brunak blive endnu mere præcis.

»Hvis vi også kan inkludere genetiske data og måske data fra CT og røntgen, vil det også kun gøre modellen mere præcis. Det samme vil socioøkonomiske data kunne gøre. Den model, som vi har udviklet her, er allerede god til at identificere højrisikopersoner, men det er baseline og den nedre grænse for, hvor gode vi kan blive til at identificere de rette personer til screening,« siger Søren Brunak.

Forskel på forudsigelser mellem lande

Modellen kan også gøre forskere og læger klogere på, hvad der ser ud til at spille en rolle i udviklingen af kræft i bugspytkirtlen.

Modellen diskriminerer nemlig ikke mellem de forskellige diagnosekoder, når den skal se på, hvad der går forud for en diagnose med kræft i bugspytkirtlen, og identificerede blandt andet galdesten, sure opstød og mavekatar som værende relevante at kigge på i forhold til, hvad der kan gå forud for en diagnose med bugspytkirtelkræft.

På trods af at de danske og de amerikanske data er ret forskellige i den måde, som lægerne koder diagnoser på, var det ifølge Søren Brunak interessant at se, at modellen fandt mange af de samme diagnoser og mønstre, for eksempel diabetes som en kendt risikofaktor.

Men der var også forskelle mellem de to lande. For eksempel kiggede modellen i de amerikanske data efter diagnosekoder for misbrug af opioider som en mulig risikofaktor for udvikling af kræft i bugspytkirtlen. Det gjorde modellen ikke i de danske data.

»Derfor skal man heller ikke forestille sig, at denne algoritme kan virke lige godt på sundhedsdata fra hele verden. Men modellen kan trænes på landespecifikke sundhedsdata for på den måde at kunne sige noget om højrisikogrupper for kræft i bugspytkirtlen i det enkelte land,« siger Søren Brunak.

Pancreascancer

Årligt diagnosticeres omkring 1.600 nye tilfælde af bugspytkirtelkræft i Danmark. Gennemsnitsalderen på diagnosetidspunktet er omkring 71 år.

Risikofaktorer for bugspytkirtelkræft inkluderer rygning, alkoholforbrug, fedme og en familiehistorie af sygdommen. Symptomer på bugspytkirtelkræft kan omfatte smerter i maven eller ryggen, vægttab, gulsot, nedsat appetit og fordøjelsesproblemer.

Diagnose af bugspytkirtelkræft involverer typisk en kombination af medicinsk historie, fysiske undersøgelser, blodprøver, biopsi og billedundersøgelser som CT-scanning.

Behandlingsmulighederne ved bugspytkirtelkræft omfatter kirurgi, strålebehandling, kemoterapi og målrettet terapi afhængigt af sygdommens stadie og patientens generelle helbredstilstand.

Overlevelsesraten ved bugspytkirtelkræft er generelt lav, da sygdommen ofte opdages sent, når den allerede har spredt sig.