Hvorfor bliver vi syge?

Det er et kompliceret spørgsmål, fordi det, der gør én syg, ikke nødvendigvis gør andre syge. Det vil et nyt forskningsprojekt gennem brug af kunstig intelligens forsøge at blive klogere på. Målet er, at det i sidste ende skal lede til bedre behandling og forebyggelse.

Nogle sygdomme er mere udbredte blandt dele af den danske befolkning. Overvægtige har øget risiko for eksempelvis diabetes og blodpropper. Men det er ikke alle overvægtige, som bliver ramt af hverken propper eller diabetes. Rygere har også øget risiko for nogle kræftformer, men igen er det ikke alle rygere, som får lungekræft.

Når det kommer til den menneskelige biologi og sygdomsudvikling, kan man nemlig ikke altid sætte lighedstegn mellem en udløser og en sygdom. Når vi bliver syge, kan det også skyldes genetik, kost, motionsvaner, vitaminmangel eller andre faktorer. Det samspil skal et nyt forskningsprojekt forsøge at blive klogere på.

Projektet er et samarbejde mellem danske forskere fra Institut for Folkesundhed og Statens Serum Institut og udenlandske forskere fra blandt andet USA og Tyskland. Projektet er støttet af Danmarks Frie Forskningsfond.

Det starter i Afrika

På projektet er både forskere indenfor epidemiologi, biostatistik og computer science. Projektet går nemlig ud på at udvikle kunstig intelligens og algoritmer, som skal finde mønstre og sammenhænge i store datamængder. Målet er, at algoritmerne skal blive i stand til at estimere årsagssammenhænge for sygdomsudfald, proportioner af patient-undergrupper, som deler årsagsmønstre, estimere graden af ukendt information og skære tilfældighedsfund fra.

Første skridt er at skabe den software, som kan bearbejde og analysere de store datamængder. Herefter skal softwaren bruges i praksis i Guinea-Bissau i Afrika. Her har de nemlig oplevet et stort fald i børnedødelighed i løbet af de sidste 40 år.

Der er taget forskellige tiltag i landet for at sænke børnedødeligheden. Blandt dem kan nævnes uddannelse af læger, vacciner og vitamintilskud til småbørn. Forskerne vil bruge softwaren til at kvalificere, hvad der har betydning for børnedødeligheden i landet – der kan nemlig være overraskende årsager, som måske/måske ikke hænger direkte sammen med lægevidenskaben.

Man har tidligere fundet, at familiens størrelse spiller en større rolle for børnedødeligheden end underernæring – børn i store familie har større risiko for at dø, inden de fylder fem.

Når først samspillet er kortlagt, kan det hjælpe med at sænke børnedødeligheden globalt. Men det har også mere vidtrækkende muligheder end det.

Bedre forebyggelse og forståelse

Ved at forstå, hvad der skaber en sygdom, kan man nemlig også bedre forebygge og behandle den. Det kan øge opmærksomheden på dele af sygdomsudredningen og sundhedstilstanden, som i dag ikke fylder meget. Hvis det eksempelvis viser sig, at mange overvægtige, som får blodpropper, også mangler specifikke vitaminer eller mineraler, kan man tænke det ind som en forebyggende indsats.

Projektet er et skridt i retning af at bruge kunstig intelligens i sundhedssektoren til at forbedre sundhedstilstanden og forståelsen for, hvordan underliggende årsagskomponenter spiller sammen, når en sygdom rammer én, men ikke rammer en anden.

Postdoc Andreas Rieckmann fra Institut for Folkesundhed på Københavns Universitet siger:

– Ved at kunne se mere specifikt på hvilke faktorer, der var relevante for forskellige patient-undergrupper, kommer vi nærmere en forståelse af de komplekse samspil i sygdomsudvikling.