HELSE-IT

Med tungrekning vert det enklare å gje persontilpassa medisinering

Med store mengder helsedata kan forskarane laga betre persontilpassa medisinar. Men modellane deira vert for store til å køyra på ein vanleg PC.

Med store mengder helsedata kan forskarane laga betre persontilpassa medisinar.
Med store mengder helsedata kan forskarane laga betre persontilpassa medisinar. Illustrasjonsfoto: Pixabay/UiO
Torstein Helleve - TITAN.UIO.NO
30. juli 2020 - 13:23

Denne artikkelen er levert av Titan.uio.no, en nettavis utgitt av Universitetet i Oslo (UiO).

– Med atterhald om at eg ikkje har full oversikt over kva alle på Farmasøytisk institutt driv med, kjenner eg ikkje til at det er andre enn oss som brukar tungrekning, seier stipendiat Markus Herberg Hovd.

Fagfeltet hans er populasjonsfarmakokinetikk (popPK). Farmakokinetikk beskriv korleis kroppen handterer ulike legemiddel, og popPK ser på korleis dette skjer i grupper av pasientar.

– Formålet er blant anna det som heiter persontilpassa medisinering, som betyr at du som pasient får akkurat den rette medisinen i akkurat den rette mengda akkurat så lenge som er riktig for akkurat deg, seier Hovd.

Mengda helsedata veks dagleg

For å finna ut av det, treng popFK-forskarane reknekraft langt ut over det som ein vanleg kontor-PC kan by på. Det kan kanskje høyrast paradoksalt ut at det skal vera nødvendig med så mykje reknekraft for å gje enkeltpasientar tilpassa medisinering, men det finst ei forklaring:

– Vi lagar modellar som er baserte på mange målingar hjå eit stort tal pasientar. Ved å samanlikna dine verdiar med andre, ser vi kva som antakeleg vil passa best for deg, seier Hovd.

– Mengda av tilgjengelege helsedata veks nesten dagleg. Modellane bidrar blant anna til å optimalisera legemiddelbehandlinga for nyretransplanterte. Etter ein slik transplantasjon endrar farmakokinetikken seg veldig. Kroppen har fått eit nytt organ og kan begynna å kvitta seg med avfallsstoff.

Infrastruktur for tungrekning

– Med denne typen infrastruktur kan vi utvikla større og meir komplekse modellar enn før, seier Markus Herberg Hovd. Foto: UiO
I starten då ein utvikla slike modellar, var datamengda så lite at maskinkraft ikkje var nokon flaskehals. Men etter kvart har ein fått så mykje data å putta inn i modellane at ein vanleg PC ikkje strekkjer til.

 – Vi spurde fyrst USIT (UiOs senter for informasjonsteknologi) om hjelp, men dei la ned tungrekneanlegget Abel tidlegare i år. Men sjølv om dei ikkje kunne hjelpa direkte, viste dei oss vidare til UNINETT Sigma2. Der var det hjelp å få.

Sigma2 er eit samarbeid mellom Forskingsrådet og dei fire eldste universiteta i Noreg (Bergen, Oslo, Trondheim/NTNU, Tromsø – gjerne forkorta BOTT). Satsinga har nasjonalt ansvar for å tilby ein infrastruktur for tungrekning innan forsking.

– Vi søkte om det som heiter Advanced User Support, som er tilbodet deira om avansert brukarstøtte. Saman optimaliserte vi programmet som vi brukar for å bruka tungrekneanlegget, og no går det så det susar, seier Hovd.

Større og meir komplekse modellar

I alle fall om ein ser litt stort på kva det inneber å susa i denne samanhengen. Ein modell som det tok 14 dagar å køyra på ein vanleg maskin, er no korta ned til tre dagar på tungrekneanlegget. At det framleis tek såpass lang tid, seier sitt om kor komplekse forskarane sine modellar er.

– Eitt døme på ei utrekning som kravde mykje kapasitet var då vi køyrde 5000 konsentrasjonsmålingar frå 100 pasientar som vi hadde fylgd i to år. Det er eit enormt datasett i denne samanhengen. Andre studiar ser kanskje på 20–40 pasientar over eit kortare tidsrom, seier Hovd.

– Utan bistanden vi får til tungrekning, hadde dette vore ein langdryg prosess, men med tilgang til denne typen infrastruktur er det mogleg for oss å utvikla større og meir komplekse modellar enn før.

Del
Kommentarer:
Du kan kommentere under fullt navn eller med kallenavn. Bruk BankID for automatisk oppretting av brukerkonto.