Nyt center for sundhedsdataforskning

Fremtidens læger skal bruge kunstig intelligens som hjælp til at træffe de rigtige beslutninger om komplicerede behandlingsforløb. Aalborg Universitet og Aalborg Universitetshospital åbner et nyt center for sundhedsdataforskning, hvor statistikere, sundhedspersonale og ingeniører sammen skal løfte dansk sundhedsdataforskning op på internationalt plan.

- De teknologiske fremskridt indenfor kunstig intelligens er det seneste årti blevet drevet fremad med enorm fart af teknologigiganter som Google og Amazon. Lynhurtig dataprocessering, som vi kender fra selvkørende biler, vil komme til at spille en rolle i fremtidens sundhedsvæsen, når der skal tages kritiske beslutninger i en fart.

Det fortæller professor Martin Bøgsted, der er leder af det nye center, Center for Clinical Data Science (CLINDA). Centret samler statistikere, ingeniører og sundhedspersonale, der sammen skal udvikle nye metoder til at anvende store datamængder til at understøtte klinisk behandling. Kunstig intelligens er en af komponenterne til at forbedre behandling i fremtidens sundhedsvæsen:

- Vi er nødt til at rykke på det her, ellers vil det danske sundhedsvæsen ikke kunne måle sig med resten af verden i fremtiden, forklarer han.

Dansk data er unik og vigtig

Ser man ud i verden, er medicinalindustrien mange steder allerede langt fremme i forhold til at kombinere patientgruppers sundhedsdata med genom-data. På den måde kan de udvikle kunstig intelligens baseret på algoritmer, der kan genkende mønstre for forskellige behandlingsformer – fx i forbindelse med kræft – og komme med kvalificerede bud på, hvilke behandlingsformer der vil være mest gavnlige og hvilke, der ingen effekt vil have.

De sundhedsdata, virksomheder i eksempelvis Kina eller Nordamerika har adgang til, er dog kun i begrænset omfang brugbar for danske patienter, forklarer Martin Bøgsted. Dels fordi der er stor forskel på, hvordan den danske befolkning er sammensat i forhold til den kinesiske eller den amerikanske – og dels fordi amerikansk sundhedsdata ofte kun stammer fra den del af befolkningen, der har råd til at have en sygeforsikring.

- I Danmark indsamler vi sundhedsdata fra alle uanset socioøkonomisk status. Det betyder, at vores sundhedsdata er repræsentativ for hele befolkningen på en anden måde end i resten af verden. Det betyder også, at vi i teorien vil kunne lave og implementere nogle langt mere præcise algoritmer med den. Det er det, vi skal arbejde hen imod i CLINDA, forklarer han.

Et kraftcenter for sundhedsdataforskning

Målet er, at det nye forskningscenter for klinisk datavidenskab skal samle forskere med vidt forskellige baggrunde. Her mødes matematikere, ingeniører, økonomer, biologer og læger, som hver især bidrager med deres særlige viden og indsigt i forhold til, hvordan de unikke danske sundhedsdata kan udnyttes bedst muligt.

Centeret får til huse i Aalborg Universitets nye sundhedsvidenskabelige fakultetsbygning, AAU SUND, lige ved siden af det nye supersygehus i Gistrup. Her vil en kernegruppe på tolv forskere have deres daglige gang. De får tilknyttet en række studerende og ph.d.-studerende, der arbejder med relevante forskningsprojekter. I forskningscenteret kommer de forskellige fagligheder til at spille sammen for at løfte den danske sundhedsdataforskning op på et førende internationalt plan.

Matematiske modeller til bedre kræftbehandling

En af de tilknyttede forskere i CLINDA er Ida Burchardt Egendal, der kommer fra en baggrund i statistik på Aarhus Universitet. Hun er tilknyttet centeret som ph.d.-studerende og forsker i, hvordan man kan bruge kombineret sundheds- og genomdata til at udvikle mere komplekse og nuancerede modeller til kræftbehandling end dem, der findes i dag.

- Vi leder hele tiden efter mønstre i dataene, så vi kan blive bedre til at forstå, hvorfor og hvordan kræft udvikler sig, og hvordan vi angriber den. De modeller, vi har til at identificere mønstrene i dag, er hverken komplekse eller stabile nok til for alvor at kunne bruges i det kliniske arbejde, forklarer hun.

- Målet med min forskning er at udvikle en langt mere kompleks algoritme, som kan trække mere viden ud af dataene. På den måde vil den bedre kunne genkende og skelne mellem genfejlene i kræftsvulster, hvilket vil gøre det muligt at lave en nøjagtigt tilpasset behandling til den individuelle patient.

 

Opdateret