Med ei forventa auke av kreftpasientar i dei komande tiåra blir korrekt kreftbehandling berre viktigare og viktigare.
Dagens patologar er veldig flinke til å diagnostisere kreft, men når ein kjem til prognosen – det å føresjå svulstens utvikling – kan dei vere ueinige om korleis ein skal behandle pasienten.
– I gjennomsnitt kan ein i 60 prosent av tilfella gi korrekt klassifikasjon for ein kreftsvulst. Det er ikkje godt nok, forklarar Håvard E. Danielsen, professor i informatikk ved Universitetet i Oslo og professor i medisin ved University of Oxford i England.
Danielsen er også prosjektleiar for forskingsprosjektet DoMore ved Institutt for kreftgenetikk og informatikk, UiO. Dei tek i bruk svært avansert datateknologi som lærar av seg sjølv for å stille meir treffsikre diagnosar og prognosar. Det kan redde mange liv og spare samfunnet masse pengar.
Leiar i den norske patologforening, Ying Chen peikar på at kreftsvulstar kan vere svært individuelle. Ho fortel at patologar er best rusta til å gjere vevsdiagnostiske vurderingar, men håpar at datateknologi kan vere eit tilleggsverktøy.
– Den morfologiske diagnostikken vil utan tvil utgjere ein viktig del av pasientrettat diagnostikk og behandling også i framtida – også når nye teknologiar kjem på bana, seier Chen.
Morfologi handlar om å kjenne igjen former, mønster og struktur.
Chen ønsker nye metodar for betre diagnostikk velkommen, men minner om at det er svært viktig å teste nye resultat opp mot den diagnostikken vi bruker i dag.
Teknologi som lærar
Datamaskiner eignar seg til å gjere nokre av patologens arbeidsområde takka vere ein form av kunstig intelligens kalla deep learning, eller maskinlæring om ein vil. Tradisjonelt løyser datamaskiner problem ved å bli fortalt korleis dei skal løyse problemet. Deep learning er derimot ei slags algoritme som sjølv lærar å løyse problemet. Dette kan dei gjere ved å finne mønster i store datamengder. Dei kan for eksempel, i dette tilfellet, samanlikne tusenvis av kreftsvulstar.
– Vi har stor mangel på patologar i ei tid der ein eigentleg treng stadig fleire. Prosjektet vårt skal utvikle teknologi for å assistere dei. Datamaskiner vil ta seg av dei biologiske prøvene med alt frå automatisert skanning til tolking av resultat og presentere det for fagfolket, forklarar Danielsen.
Automatiseringa i DoMore omfattar i første omgang prostata-, tarm- og lungekreft. 7000 pasientar inngår allereie i prosjektet, og so langt er prosjektet framfor skjema ifølgje Danielsen. Den tverrfaglege forskingsgruppa har fått 60 millionar kroner frå Noregs forskingsråd og har eit samla budsjett på 115 millionar for å utarbeide ei ferdig løysing innan 2021.