AI hittar tidiga riskmarkörer för hudcancer
Registerdata från vården kan visa tidiga riskmönster för hudcancerformen melanom, enligt en studie från Göteborgs universitet. Med hjälp av AI går det att identifiera små grupper i befolkningen som har betydligt högre risk att få melanom inom fem år.
Studien baseras på registerdata som rutinmässigt samlas in om hela den vuxna befolkningen i Sverige. Den data som analyserades handlade bland annat om ålder, kön, diagnoser, läkemedelsuttag samt socioekonomi. Av de 6 036 186 individerna utvecklade 38 582 (0,64 procent) melanom under de fem år som studien omfattar.
Martin Gillstedt har ansvarat för stora delar av analysen:
– Vi visar att data som redan finns i vårdens system kan användas för att identifiera individer som löper högre risk för melanom. Det här är inget beslutsstöd som finns tillgänglig i rutinsjukvård idag, men våra resultat ger en tydlig signal om att registerdata kan användas mer strategiskt framöver, säger Martin Gillstedt, som är doktorand på Sahlgrenska akademin vid Göteborgs universitet och även statistiker vid verksamheten för hud- och könssjukvård vid Sahlgrenska Universitetssjukhuset.
33 procents sannolikhet för melanom
När forskarna jämförde olika AI-modeller blev skillnaderna tydliga. Den mest avancerade modellen kunde skilja individer som senare fick melanom från dem som inte gjorde det i cirka 73 procent av fallen, jämfört med cirka 64 procent när endast ålder och kön användes. Kombinationen av diagnoser, läkemedel och sociodemografiska uppgifter gjorde det möjligt att identifiera små högriskgrupper där risken att få melanom inom fem år var omkring 33 procent.
Studien har genomförts under ledning av Sam Polesie, docent i dermatologi och venereologi vid Göteborgs universitet och hudläkare på Sahlgrenska Universitetssjukhuset:
– Våra analyser tyder på att selektiva kontroller av små högriskgrupper skulle kunna ge både träffsäkrare uppföljningar och en mer effektiv användning av vårdens resurser. Det handlar om att föra in befolkningsdata i precisionsmedicinen och komplettera de kliniska bedömningarna, säger Sam Polesie.
Forskarna betonar att mer forskning och politiska beslut krävs innan metoden kan införas i vården. Men resultaten visar att AI-modeller tränade på stora mängder registerdata kan bli ett viktigt stöd för mer individanpassade riskbedömningar och framtida screeningstrategier för melanom.
Studien är genomförd i samarbete mellan Göteborgs universitet och Chalmers tekniska högskola.
Artikel: Predicting melanoma impact on the Swedish healthcare system from the adult population using machine learning on registry data, Acta Dermato-Venereologica. DOI: https://doi.org/10.2340/actadv.v106.44610
Expertkontakter:
- Sam Polesie, docent, Sahlgrenska akademin vid Göteborgs universitet, telefon: 070–224 19 15, e-post: sam.polesie@gu.se
- Martin Gillstedt, doktorand, Sahlgrenska akademin vid Göteborgs universitet: e-post: martin.gillstedt@gu.se
Bifogade bilder:
- San Polesie (foto: Johan Wingborg)
- Martin Gillstedt (foto: Sam Polesie)