Kan en algoritme overhale lægen?

Normalt bruger læger viden fra lærebøger, erfaring og måske en smule intuition, når de skal stille en diagnose.

Men fremover kan de også få et nyt værktøj med i lægetasken, når de står over for en patient: en slags digital krystalkugle.

Mere præcist er det en AI-model, der kan regne på millioner af patientforløb og pege på de mest sandsynlige sygdomme i vores fremtid. Modellen er udviklet af et hold internationale forskere med deltagelse fra Københavns Universitet, og studiet er netop udkommet i det anerkendte naturvidenskabelige tidsskrift Nature.

En af hovedkræfterne bag projektet er Søren Brunak, professor på Institut for Folkesundhedsvidenskab, der i årtier har arbejdet med at kombinere biomedicin og store mængder sundhedsdata. For ham handler det ikke kun om teknologi, men også om at ændre vores forståelse af, hvordan sygdomme udvikler sig gennem et liv. Modellen kan ikke forudsige alt, men den kan tegne sandsynlige mønstre for, hvilke sygdomme vi rammes af – og i hvilken rækkefølge.

Søren Brunak forklarer det selv ved at tænke på Søren Kierkegaards berømte ord om, at livet må leves forlæns, men kun kan forstås baglæns.

»Det, vi prøver her, er at rokke ved det billede. At forudsige noget, før vi har levet det,« siger han.

Et skridt foran lægen

I sin nuværende form er modellen bedst til at sige noget om sygdomsudviklingen i en befolkning som helhed. Den er blevet trænet på data fra 400.000 briter i UK Biobank, hvor forskere har fulgt deltagernes helbred og livsstil over flere årtier.

For de fleste forskningsprojekter er 400.000 patienter et enormt datasæt, men i Søren Brunaks verden er det relativt lille – han er vant til at arbejde med hele befolkninger på mange millioner.

Alligevel viste resultaterne sig at være overraskende robuste. Da modellen blev testet på 1,9 millioner danskeres sygdomshistorik, kunne den genkende mønstre og lave fremskrivninger, der gav et præcist billede af folkesundheden.

Men når blikket rettes mod det enkelte menneske, bliver usikkerhederne tydelige.

»Den er ikke god nok til at forudsige den enkeltes næste sygdom, men den er god nok til at forudsige, hvad sygdomsudviklingen bliver i et helt land,« siger Søren Brunak.

Hvis den blev trænet på data fra 50 millioner mennesker, kunne jeg godt forestille mig, at den om fem år formentlig i gennemsnit var bedre end en læge

Søren Brunak, professor på Institut for Folkesundhedsvidenskab

Modellen kan altså pege på, hvor mange danskere der om ti år vil have diabetes eller hjertesygdom, men ikke med sikkerhed sige, om du eller jeg bliver en af dem. Det kræver oplysninger, som algoritmen ikke har adgang til endnu – alt det, lægen ser og fornemmer i mødet med patienten, men som ikke står skrevet i journalen.

Begrænsningerne kan være konkrete: Rækkefølgen af sygdomme har betydning, men er svære at fange i enkelte patientforløb, og nogle tilstande – som graviditetskomplikationer – er dårligt repræsenteret, da data i UK Biobank primært er fra ældre mennesker.

Til gengæld kan en model lære af millioner af mønstre, som selv de mest erfarne læger aldrig får mulighed for at opdage i en karriere. Hvor en praktiserende læge måske møder en sjælden kræftform én gang i sin karriere, kan en algoritme genkende sygdommen i tusindvis af patientforløb og forbinde den med faktorer, der ellers ville være usynlige. På den måde kan maskinen blive et supplement, der både udvider lægens blik og mindsker risikoen for fejl.

Og netop derfor mener Søren Brunak, at når modellen først fodres med langt større mængder data, kan den overhale mennesker i at stille diagnoser.

»Hvis den blev trænet på data fra 50 millioner mennesker, kunne jeg godt forestille mig, at den om fem år formentlig i gennemsnit var bedre end en læge til også at diagnosticere det enkelte menneske,« lyder hans vurdering.

Krav om datasikkerhed

At en model som denne overhovedet kan fungere, skyldes de enorme mængder sundhedsdata, som forskere har adgang til. I Danmark er Landspatientregisteret særligt værdifuldt, fordi det dækker hele befolkningen og rækker næsten 50 år tilbage. Det giver forskere et unikt indblik i sygdomsforløb over tid – noget, de færreste andre lande kan matche. Men oplysningerne er ikke altid komplette, og vigtige detaljer fra praktiserende læger eller speciallæger mangler ofte.

Derfor ser Søren Brunak store perspektiver i EU’s nye initiativ, European Health Data Space. Her skal medlemslandene samle og harmonisere deres sundhedsdata, så de både kan bruges i forskningen og af læger.

Det kan betyde, at sjældne sygdomme, som man kun ser få tilfælde af i Danmark, kan studeres på tværs af Europa. Eller at indvandrere, som er for små grupper i ét land, kan få bedre behandling, fordi data fra deres oprindelseslande indgår i træningen – netop fordi der er forskel på vores gener, og nogle befolkningsgrupper derfor har andre sygdomsmønstre end majoriteten.

Det er en slags beslutningsstøtte for lægen, snarere end det er en bekymringsmaskine, der skal ødelægge dit liv

Søren Brunak, professor på Institut for Folkesundhedsvidenskab

Tanken er også praktisk: Hvis en dansker brækker benet i Barcelona, skal lægerne dér kunne slå vigtige oplysninger op – lige fra kroniske sygdomme til igangværende behandlinger.

Datasikkerhed er dog en ufravigelig præmis. Søren Brunak understreger, at forskerne aldrig flytter rådata mellem lande.

I stedet trænes modellerne lokalt og overføres derefter i en form, hvor patientoplysninger ikke kan hentes ud.

»Vi har data buret inde, men vi har også selve modellen buret inde,« som han formulerer det.

Han peger på, at tillid er afgørende. Hvis borgerne ikke er sikre på, at deres sundhedsdata behandles ansvarligt, falder hele fundamentet væk. Derfor foregår arbejdet i sikre supercomputermiljøer uden internetadgang, så hverken forskere eller hackere kan få fat i data.

Menneskeligt dilemma

At kunne forudsige sygdomme årtier frem i tiden rejser uundgåeligt en række etiske spørgsmål. For selv om teknologien kan være et stærkt redskab i sundhedsvæsenet, er det langt fra sikkert, at patienterne selv er tjent med at kende risikoen for fremtidige diagnoser.

Søren Brunak understreger, at modellen først og fremmest er tænkt som et værktøj til sundhedspersonale, der skal træffe hurtige og kvalificerede beslutninger – ikke som et system, der udleverer dystre forudsigelser direkte til borgerne.

»Det er en slags beslutningsstøtte for lægen, snarere end det er en bekymringsmaskine, der skal ødelægge dit liv,« siger han.

Men dilemmaet er tydeligt: Jo tidligere en sygdom opdages, jo større er chancen for effektiv behandling. Men samtidig kan sandsynligheder og risikotal blive en byrde i sig selv, hvis de lægges på skuldrene af raske mennesker.

Skal en 30-årig kvinde for eksempel vide, at hun har forhøjet risiko for brystkræft om 20 år – selv hvis sygdommen aldrig bryder ud? Eller bør en ung mand høre, at hans genetik og livsstil gør det sandsynligt, at han vil udvikle type 2-diabetes i 50’erne?

Ifølge Søren Brunak viser undersøgelser dog, at mange faktisk ønsker at kende deres risiko – uanset hvor ubehagelig den måtte være. For nogle giver det mulighed for at handle i tide og ændre livsstil, for andre kan det være et ønske om at forberede sig eller sikre familien. Derfor er spørgsmålet ikke bare, om teknologien kan forudsige sygdomme, men også hvem der skal have adgang til viden om resultaterne, og hvordan den skal formidles.

Søren Brunak peger selv på, at valgfrihed er afgørende. Patienter skal kunne sige nej til at få deres fremtid foldet ud i sandsynligheder, men lægerne skal kunne bruge redskabet, når det på en overbevisende måde kan gøre forskellen mellem overbehandling, underbehandling – eller det rette indgreb på det rette tidspunkt.

Forlæns og baglæns

På trods af forbeholdene er Søren Brunak ikke i tvivl om, at udviklingen bevæger sig hurtigt. I dag er modellen først og fremmest et forskningsværktøj, men i takt med at den fodres med langt større datasæt, ser han en fremtid, hvor kunstig intelligens kan blive en uundværlig del af den sundhedsfaglige hverdag.

Allerede nu planlægges projekter, hvor modeller skal trænes på 40 til 50 millioner patientforløb. Og med EU’s kommende European Health Data Space kan tallet stige til flere hundrede millioner. Det vil ifølge Søren Brunak betyde, at mange af de blinde vinkler, der i dag begrænser modellens præcision, gradvist forsvinder.

Den digital krystalkugle til sundhedsvæsenet findes foreløbig kun som prototype. Men trods flere etiske dilemmaer tror Søren Brunak, at AI-modeller som denne om nogle år vil være udbredte i mødet mellem læge og patient og dermed være med til at rokke ved Kierkegaards berømte ord.

Vi vil ikke kun forstå livet baglæns – vi vil også kunne ane det forlæns.