AU

Kunstig intelligens mod leversygdom

På verdensplan koster leversygdomme hvert år to millioner mennesker livet. Det første tegn på de fleste leversygdomme er leverfibrose, hvor sunde celler erstattes af ar. Ofte forværres den i stilhed med et fatalt udfald, når arvævet på leveren ikke opdages i tide, og skaden på det vitale organ er uoprettelig.

Nu har et hold forskere fra Det Tekniske Fakultet på SDU i samarbejde med lægefaglige eksperter på Odense Universitetshospital udviklet en metode, som ved hjælp af kunstig intelligens kan afsløre leverfibrose i tide. Eller rettere: Metoden kan ud fra data og ved brug af kunstig intelligens med næsten 99 procent sikkerhed udelukke personer, som ikke har sygdommen. Det betyder, at man kan koncentrere sig om den resterende risikogruppe, som så kan blive undersøgt nærmere med enten scanning eller biopsi.

»Vores ambition var at udvikle en metode, hvor du ved hjælp af en standard-blodprøve hos din praktiserende læge hurtigt og let kan afgøre, om du er i risiko for at have sygdommen. Og det er faktisk lykkedes i vores forsøg,« siger specialist i biostatistik og dataanalyse Victoria Blanes-Vidal, der er lektor ved Applied AI and Data Science Unit (AID) ved Mærsk Mc-Kinney Møller Instituttet på SDU.

Hidtil har undersøgelser for leverfibrose krævet enten en invasiv producere, hvor der tages en biopsi fra leveren, eller en ultralydsscanning af leveren, som er dyr og kræver, at man tager på hospitalet. En tredje mulighed har været via blodprøver, men det kræver særlige analyser, som ikke er standard.

I det nye studium har forskerne med baggrund i 3352 personers sundhedsoplysninger, blodprøver og data om alder, køn, vægt og alkoholindtag bygget en AI-model, som kan udelukke personer med risiko for at have sygdommen. Faktisk har forskergruppen haft hele 233 forskellige parametre med i undersøgelsen, men ambitionen var at bruge få data for at lette metoden og gøre den mest mulig tilgængelig.

Resultaterne er publiceret i tidsskriftet Scientific Reports.


Jakob Haugaard Christiansen/SDU-tek