I 2018 fikk mer enn 4500 personer i Norge kreft i tykktarm eller endetarm. Tarmkreft er den vanligste kreftformen i Norge og har hatt en rask økning de siste 50 årene, ifølge Kreftforeningen.

Med en ny metode kan kunstig intelligens sørge for at mange av disse pasientene ikke overbehandles eller feilbehandles etter at selve svulsten er fjernet.

– For mange er effekten av behandlingen lik null og egentlig bare en plage, sier Håvard Danielsen. Han er professor ved University of Oxford og ved Institutt for informatikk ved Universitetet i Oslo.

– Disse ønsker vi å slutte å behandle eller gi en annen behandling.

Flere stadier

Legene skiller mellom fire stadier når de skal behandle pasienter med tarmkreft. I første stadium vil pasienten bli helt frisk bare ved å fjerne svulsten. I fjerde stadium har kreften spredd seg til andre deler av kroppen og trenger aggressiv behandling.

Men de fleste befinner seg på stadium to og tre.

– I stadium tre har svulsten spredd seg til lymfeknutene, men ikke lenger. Halvparten av disse kan helbredes med stort hell, den andre halvparten har vi ingen god behandling for, sier Danielsen.

I dag gis den samme behandlingen til alle.

– Man fjerner svulsten og et område rundt. Så gir man cellegift eller strålebehandling til de aller fleste pasienter på stadium tre, sier Danielsen.

Det er en god del bivirkninger ved dette, og enkelte pasienter dør til og med av selve behandlingen.

Det er derfor Danielsen og hans forskerkolleger har forsøkt å finne en metode som kan fortelle hvem som ikke vil ha noen nytte av det som nå er vanlig behandling etter at svulsten er operert ut.

Halvparten får tilbakefall

– Etter fem år har halvparten fått tilbakefall. Denne halvparten har åpenbart ikke fått riktig behandling, sier Danielsen.

Det eneste de har fått med seg, er bivirkningene.

– Da har vi to muligheter. Den ene er å ikke plage dem. Den andre er å finne en enda mer aggressiv behandling.

Nylig publiserte tidsskriftet The Lancet studien som slår fast at den nye metoden deres, som innebærer bruk av kunstig intelligens, fungerer slik den skal.

– Med denne metoden kan vi fastslå at det er en stor gruppe pasienter som ikke kommer til å få noen effekt.

Dermed er det mulig å hindre feilbehandling og overbehandling av disse pasientene, og det gjør det også lettere å skaffe nye behandlinger.

– Dette legger til rette for at vi kan utvikle bedre medikamenter fordi vi har en tydeligere gruppe å utvikle det for og teste det på.

Ikke koster det mye, heller. Mye av jobben blir nemlig allerede gjort.

Svar på minuttet

Fra alle kreftsvulster som opereres ut, blir det skåret ut fem millimeter tykke skiver som støpes inn i parafin så de blir harde. Disse kuttes igjen opp i skiver som bare er tre–fire mikrometer tykke og som kalles snitt.

– Dette gjøres allerede med alle vevsprøver som kommer inn til sykehuset, sier Danielsen.

– Snittene er der allerede. De må bare digitaliseres og så må vi ha en datamaskin til å analysere dem. I løpet av ett minutt har vi et svar, forteller han.

Maskinen er selvlært

Det er en kunstig intelligens som gjennom såkalt dyp læring har funnet ut hvordan den kan skille svulster med en god prognose fra dem med dårlig prognose.

I læringsprosessen har den sett på mange millioner slike snitt fra tarmkreftsvulster.

– Maskinen har selv funnet ut av hvilke egenskaper som klassifiserer pasientene best. Jeg vet ikke hva maskinen har gjort, engang, sier Danielsen.

Etter egenopplæringen fikk den kunstige intelligensen prøve seg på helt nye pasienter. Og så enda flere pasienter, før den nå er validert. For hver pasient analyserer den omtrent 6000 bilder.

– Pasientene er rekruttert fra mange forskjellige land, og prøvene er preparert ved forskjellige sykehus og digitalisert med forskjellige skannere.

Denne måten å gjøre det på, mener Danielsen fjerner risikoen for enkelte feiltolkninger som tidligere har forekommet med kunstige intelligenser.

– Sannsynligheten for at de med dårlig prognose får tilbakefall, er fire ganger høyere enn for de med god prognose. På en så stor gruppe er dette en sterkere prognostisk markør enn noe annet som finnes for denne krefttypen.

Ved Oslo universitetssykehus er metoden allerede i bruk, og Danielsen regner med at den vil spre seg raskt. De planlegger også en internasjonal studie der pasienter skal få prognose med denne metoden.

– Deretter er neste skritt å se om metoden også er prediktiv, sier Danielsen.

Det betyr at de i så fall kan forutsi effekten av de forskjellige behandlingene på hver enkelt pasient.

Referanse:

Ole-Johan Skrede mfl: Deep learning for prediction of colorectal cancer outcome: a discovery and validation study. The Lancet, februar 2020. (Sammendrag). Doi: 10.1016/S0140-6736(19)32998-8.

Artikkelen er produsert og finansiert av Universitetet i Oslo

Universitetet i Oslo er én av 77 eiere av forskning.no. Deres kommunikasjonsansatte leverer innhold til forskning.no. Vi merker dette innholdet for å tydelig skille formidling fra uavhengig redaksjonelt stoff.
Her kan du lese mer om ordningen.

Fikk du med deg disse artiklene fra Universitetet i Oslo?

Forskarar leitar vidare etter kreftbehandling som er spesialtilpassa pasienten

Livmorhalskreft kan være historie innen få år

Kva skjedde med LSD i psykoterapien?