Denne artikkelen er levert av Titan.uio.no, en nettavis utgitt av Universitetet i Oslo (UiO).
Ingen kreftformer er helt like, og medisinene mot kreft kan kombineres på en million måter. Hvordan i all verden skal legene kunne finne den beste behandlingen? Professor Arnoldo Frigessis idé er enkel og komplisert: Han vil lage digitale modeller av både svulsten og behandlingene og la datamaskinen teste alle mulighetene.
Professor Arnoldo Frigessi og kollegene hans er ikke de eneste som har tenkt på å bruke datasimulering for å finne fram til den aller beste kreftbehandlingen for en individuell pasient.
Algoritme angrep digital svulst
– Men det er ikke mange som allerede har implementert den ideen hele veien fra innsamlingen av data via simulering i datamaskinen fram til en anbefalt behandling, forteller Frigessi, som er professor ved Det medisinske fakultet ved UiO.
Kort fortalt: Professor Frigessi og kollegene i forskergruppen Personalised cancer therapies (PerCathe) lagde en digital modell av kreftsvulstene hos fire brystkreftpasienter og en digital modell av den behandlingen kreftlegene allerede hadde gitt dem. Deretter kjørte forskerne en algoritme som angrep den digitale svulsten.
– Det viste seg at den digitale modellen ga samme resultat som den «analoge» behandlingen hadde fått. To av pasientene ble friske, mens de to andre ikke ble friske. Både i modellen og i virkeligheten. Dermed har vi vist at konseptet vårt har noe for seg, forteller Frigessi.
Analog pasient
Han vet ikke hvem de fire «analoge» pasientene var, men han vet mye om hva slags kreftsvulster de hadde.
– Vi forsøkte også noen andre digitale behandlinger mot svulstene hos de to pasientene som ikke ble friske. Da svarte modellen vår at noen andre behandlinger kunne har gitt bedre resultater, forteller han.
Professor Vessela Kristensen ved Institutt for klinisk medisin er en av Frigessis samarbeidspartnere i PerCathe-miljøet.
Jobbet i mange år
Hun er også med i Regionalt nettverk for brystkreftforskning og har jobbet i mange år med å kartlegge det genetiske grunnlaget for brystkreft så fullstendig som mulig.
– Å stille diagnose og sette i gang behandling uten denne typen data og datamaskiner, vil en dag i fremtiden være umulig for en kreftlege. Akkurat som det i dag er umulig for en pilot å operere et stort passasjerfly uten støtte fra datamaskiner. Og det vet vi er ganske trygt, konstaterer hun.
Ifølge Folkehelseinstituttet overlever omtrent 70 prosent av de norske kreftpasientene i minst fem år etter at de har fått diagnosen.
Rammer hver tredje av oss
Men det er fortsatt sånn at hver tredje nordmann vil få en kreftdiagnose innen de fyller 75 år, og antallet vil øke i takt med at folk blir eldre. Derfor jobber legene hele tiden med å bli flinkere til å behandle kreft, og Frigessi har en idé som kan hjelpe dem.
– Jeg er ikke lege, men jeg har samarbeidet med kreftspesialister de siste ti årene og blant annet lært at det finnes kanskje 1000 ulike medisiner mot kreft.
– Dessverre virker noen av disse bare på kanskje 30 prosent av pasientene. Men hvis legene kombinerer to medisiner, kan effekten blir mye bedre.
Data fra 2 000 svulster
Professor Vessela Kristensen forteller at også genetikken bak kreftsvulstene kan være ekstremt variert.
– Vi har samlet data fra ca. 2000 svulster og undersøkt både genene og måten de blir uttrykt på, gjennom hele prosessen fra DNA over mRNA til proteiner og epigenetikk, og lett etter de forholdene som kan gi økt kreftrisiko.
– Grunnen til at dette blir matematikk til slutt, er at vi studerer alt sammen på helgenom-basis, forteller Kristensen.
Menneskets totale genom består av ca. 26 000 gener, og det betyr kort fortalt at kreftforskerne må operere med et enormt antall datapunkter for hver av de ca. 2000 pasientene.
Stor database
Alt dette er lagt inn i en stor database hvor forskerne kan studere hva slags behandling pasientene har fått og hvordan sykdommen hos hver enkelt har utviklet seg.
Dermed oppstår et problem som statistikeren Frigessi gjerne snakker om: Hvordan man kan finne fram i store datamengder. Det er nemlig akkurat det problemet kreftlegene står oppe i til daglig.
Utgangspunktet er altså at det finnes mange ulike årsaker til kreft og at alle kreftsvulster er forskjellige. Kreft er ikke én sykdom, men mange. Derfor må hver enkelt pasient betraktes som et individuelt tilfelle som må få en individuell behandling.
500 000 kombinasjoner
– Men hvis du har én pasient og skal velge en kombinasjon av to medisiner blant 1000 medisiner, blir det faktisk så mye som 500 000 mulige kombinasjoner. Og så skal legene velge blant mange ulike måter å bruke disse to medisinene på. Kanskje de vil bruke den første medisinen i én uke eller i to uker, påpeker Frigessi.
– Og så blir det en pause på kanskje én uke eller to uker. Deretter brukes den andre medisinen i en periode som legene må bestemme. Eller kanskje medisinene bør brukes i omvendt rekkefølge, eller samtidig?
– Hvis du regner sammen alt dette, står legene overfor et valg mellom mange millioner mulige behandlinger, forteller Frigessi.
Kreftlegene vet naturligvis allerede svært mye om hvordan de skal velge ut den beste behandlingen blant alle disse mulighetene, men det er jo ikke sikkert at de hver gang finner den beste behandlingen – den som med størst sannsynlighet gjør pasienten varig frisk.
(artikkelen fortsetter under)
Kan teste behandlingene
Derfor hadde det vært kjekt om man kunne teste så mange som mulig av behandlingene, så fort som mulig, før den virkelige behandlingen starter.
– Legene og biologene forteller meg at det går an å ta celler fra pasienter og implantere dem i for eksempel sebrafisk eller mus og behandle dem der. Da kan du teste 10 000 ulike måter å angripe kreftcellene på, hvis du altså har 10 000 sebrafisker.
– Men sebrafisk er levende dyr som lever i et miljø, og dermed oppstår mange usikkerhetsfaktorer. Jeg er statistiker og tenker isteden på hvordan man kan bruke datamaskiner til å teste ulike behandlinger, forteller Frigessi.
PerCathe
Professor Frigessi og kollegene i PerCathe, som er et konvergensmiljø ved UiO, er godt i gang med å utvikle denne ideen. De har blant annet tenkt mye på hvordan man kan beskrive svulsten best mulig, slik at den kan modelleres i en datamaskin.
– Legene samler allerede inn veldig mye data om svulstene før de setter i gang med behandlingen, og det er disse standarddataene vi vil bruke i modellene våre.
– Det er snakk om ca. 100 parametere som beskriver slike ting som hvor mange kreftceller det er der, hvor aktive de er, hvor de små blodårene ligger, hva slags genetiske forhold som ligger til grunn for svulsten og så videre.
Lager digital modell
Alle disse parametrene legges inn i en digital modell av svulsten. Det neste skrittet er å lage en algoritme – en regneregel – som beskriver hvordan de ulike kreftmedisinene angriper svulsten, enten alene eller i kombinasjon med andre medisiner.
Og så kan professor Frigessi teste hver eneste digitale behandling av den digitale svulsten.
Resultat av disse simuleringene er en beregning som viser hvor mange levende kreftceller som blir igjen etter behandlingen, og det er selvsagt om å gjøre å komme så langt ned mot null som mulig. Da er det store muligheter for at datamaskinen kommer opp med en behandling som legene ikke har tenkt på.
Vil løse kreftgåten
– Vi har bedre muligheter for å teste ut dette i Norge enn i mange andre land, fordi vi både har gode samarbeidsforhold og tilgang til så mange gode kliniske studier med data om pasientene.
– Jeg er for øvrig overbevist om at modellering og maskinlæring vil revolusjonere både helsevesenet og mange andre sektorer, men det er for all del ikke slik at vi «løser kreftgåten» fort med denne forskningen.
– Dette er nemlig en revolusjon som går sakte. Hvis alt går bra, kan dette være nyttig i den kliniske behandlingen av noen spesielle krefttyper om 15 år. Eller kanskje 10, understreker Frigessi.
Mye kan gå galt
Dessuten er det mye som kan gå galt; det er for eksempel ikke sikkert at det blir lett å få godkjent en slik behandling.
– Det er Statens legemiddelverk som har ansvaret for å godkjenne medisiner til bruk i Norge, og det kan de alt om. Men i dette tilfellet blir det snakk om å godkjenne en algoritme, og det er noe annet. Det kan bli litt av en nøtt for dem, spår Frigessi.
Han jobber nå med å videreutvikle det han kaller «prototyp nr 0».
– Det vi har i dag, er ikke engang en pilot. Vi er isteden i gang med å prøve ut noen fundamentale ideer og prinsipper. Vi trenger bedre data, bedre modeller og bedre simuleringer før vi har noe som kan brukes i praksis. Men vi skal gjøre alt vi kan for komme i mål, lover professoren.
Empirisk vitenskap
Vessela Kristensen tilføyer at denne måten å jobbe på i prinsippet er en videreføring av medisinens grunnlag som empirisk vitenskap. Observasjoner fra tidligere pasienter blir brukt til å finne ut hvordan man kan behandle de neste pasientene.
– Med vår datainnsamling og de matematiske modellene som Arnoldo Frigessi og hans gruppe utvikler, akselerer vi prosessen med akkumulering av erfaring. Slik håper vi å kunne bruke dataene på en mer omfattende og grundig måte, som kan være til nytte allerede for pasienten som de er generert fra, forteller Kristensen.
Det er ikke bare professor Frigessi og de norske samarbeidspartnerne som tror at digitale modeller og simuleringer basert på kunstig intelligens kan skape revolusjoner.
Vil spare 300 millioner dollar
Det internasjonale konsulentselskapet McKinsey leverte i 2011 en rapport der de hadde forsøkt å beregne de mulige gevinstene for helsevesenet i USA. Svaret var ca. 300 milliarder dollar i året, bare i USA.
– Det vi driver med, er jo bare ett blant mange mulige eksempler på hvordan Big Data, kunstig intelligens, maskinlæring, statistikk – kjært barn har mange navn – kan bidra til fremskritt innen den medisinske forskningen. I tillegg finnes det veldig mange sektorer som også kan revolusjoneres med denne teknologien, understreker Frigessi.
Han er derfor overbevist om at de 11 studentene som begynte på Matematisk-naturvitenskapelig fakultets nye masterstudium i Data Science høsten 2018, har gjort et meget godt valg.
– Norge kommer til å ha et veldig stort behov for folk med den kompetansen i årene som kommer. Mange av de masterstudentene kommer til å bli viktige personer i den revolusjonen som er i ferd med å komme, spår Frigessi.
