Hopp direkte til meny Hopp direkte til meny Hopp direkte til innhold Hopp direkte til Søk

Datakraft mot kreft

Januar 2015. På et sykehus i Tokyo fortviler kreftlegene. Standardbehandlingen de gir 66 år gamle leukemi-syke Ayako Yamashita, virker ikke. Legene bestemmer seg for å sette IBMs supercomputer Dr Watson på oppgaven. Etter bare ti minutter finner maskinen nye svar. Den japanske kvinnen har en annen, langt sjeldnere form for leukemi. Ny behandling blir igangsatt. Den virker, og i september skrives hun ut av sykehuset.

I 1997 slo IBMs supercomputer verdensmester Gary Kasparov i sjakk. I 2011 hadde utviklerne hos teknologigiganten utviklet Watson, en langt mer avansert teknologi som klarte å beseire de smarteste hjernene i spørreprogrammet Jeopardy. Seks år senere har siste generasjon kunstig intelligensteknikker tatt spranget fra underholdning og gjør seg gjeldende på de fleste samfunnsområder: De selvkjørende bilene er rett rundt hjørnet. Datamaskiner retter engelskstiler bedre enn lærere. Nylig ble et trettitalls japanske forsikringsfunksjonærer sagt opp, og har du sett deg ut en karriere som telefonselger eller kredittanalytiker er det bare noen av mange usikre karrierevalg. Listen over jobber som kommer til å bli automatisert er lang.  

Store data i mange former
Historien om den japanske kvinnen var den første som fikk stor offentlig oppmerksomhet. Nå gjør teknologien med det menneskelige navnet Watson sitt inntog i kreftbehandling verden over, og snart også her hjemme, skal vi tro innovasjonsdirektør i IBM Norge, Thomas Anglero. Vi treffer ham i et stort, foreløpig sparsommelig innredet kontorlokale hos Oslo Cancer Cluster vegg i vegg med Radiumhospitalet i Oslo. Får Anglero det som han vil, blir dette arnestedet for implementering av nye digitale verktøy for å skape et bedre kreftbehandlingstilbud i Norge. Mer om det siden, men først:

– Hvordan i all verden kan en datamaskin slå fast hvilken kreftbehandling som er den beste? 

– La oss ta Microsoft Excel som et eksempel. I et regneark ligger dataene strukturert i rader og kolonner. Skriver du på Facebook-profilen din at du er på Starbucks og drikker kaffe så er det også en form for data, men data som ikke er strukturert, begynner Anglero og fortsetter med det han kaller favoritteksempelet sitt.


Går det som Thomas Anglero, innovasjonsdirektør i IBM Norge vil, skal en test av Watson ha funnet sted ved et norsk sykehus i løpet av året
Går det som Thomas Anglero, innovasjonsdirektør i IBM Norge vil, skal en test av Watson ha funnet sted ved et norsk sykehus i løpet av året. Foto: Paal Audestad.

 

– De aller fleste vet at The Big Apple er kallenavn for New York. Også Watson forstår hva du mener når du sier «I Love the Big Apple». Den kan lese hva du sa i en ustrukturert sammenheng, og fordi den forstår innholdet i det du sa, kan den plassere innholdet i riktige rader og kolonner. Watson leser ustrukturerte data og strukturerer dem, forklarer Anglero som selv er født og oppvokst i Det Store Eplet.  

Men hva har Starbucks og New York med kreftbehandling å gjøre? Ingenting, selvfølgelig. Poenget, forklarer Anglero, er at det er enorme mengder informasjon der ute, både av den strukturerte og den ustrukturerte typen, som Watson kan lese, forstå og sette sammen. Store data er også relevante i kreftsammenheng.

Lynrask lesing
Alle dataene – både i form av ufullstendige setninger fra legens journalnotater til detaljerte data om samtlige 20 000 gener i en menneskekropp – kan lastes opp på Watson.

Watson er ingen lege, men derimot en uhyre rask leser som kontinuerlig tar til seg og fordøyer kilometervis med ny forskningslitteratur.

– Ti millioner sider på tre sekunder, bemerker Anglero.

Det er ufattelige, nesten komiske størrelser, men det var altså slik den japanske kvinnen fikk en behandling som virket. Watson sammenstilte data om kvinnen – alt fra sykdoms- og behandlingshistorikk til informasjon på molekylært nivå – med kilometervis av data fra kliniske forsøk og publikasjoner. Og det skjedde på under ti minutter.

– Helt konkret lastet de opp all den informasjonen de hadde om genene i kroppen hennes som de visste at det var en feil med. Watson leser og lærer konstant alt vi vet om det menneskelige genomet – alle tester, vitenskapelige undersøkelser, alle legemidler, et hvert klinisk forsøk. Watson fant at hennes kombinasjon av genmutasjoner var identiske med en klinisk studie utført et annet sted i verden. I denne studien ble det brukt legemidler og en prosedyre med høy suksessrate, og Watson anbefalte derfor samme behandling til den japanske kvinnen. Det skjedde på under ti minutter. Hva er sjansen for at en lege kunne finne ut det samme, spør Anglero. 

Big Medicine
At sjansen for det er liten, kan leder for avdeling for medisinsk genetikk ved UiO, Dag Undlien bekrefte.

– Det er kjempefint at vi får så mye data om deg, men det blir fort tydelig at hjernen er for liten. En lege skal huske og forholde seg til deg, din historikk og ditt sykdomsbilde, men også det enorme kunnskapsfeltet der ute. Det er urealistisk at en lege kan klare å holde seg oppdatert. I dag er det ikke slik at jeg kan putte inn opplysninger om deg i pc-en og få gode forslag tilbake fra maskinen. Det er dette Watson forsøker å adressere, og det er ingen tvil om at vi trenger hjelp, forteller professoren.

Undlien er en av flere bidragsytere i BigMed, et stort prestisjefylt forskningsprosjekt ved Oslo Universitetssykehus som skal komme fram til anbefalinger for hvordan ny smart teknologi kan benyttes i sykehuset slik at presisjonsmedisin innen kreft og andre sykdommer kan bli enda bedre.

Han forteller at genomikk er en betegnelse for hvordan vi kan kartlegge hele det menneskelige genom, alle våre 20 000 gener.

– Genomet vårt er som en gigantisk oppskriftsbok med 20 000 oppskrifter. Trykker vi den på papir fyller den mange bokhyller. Den rommer tre milliarder tegn. Din bok er forbausende lik min, vi lager kjøttkaker begge to, men krydrer litt forskjellig, illustrerer Undlien. – Men selv én promille forskjell betyr 4 millioner steder i genmaterialet der du har en annen bokstav på et gitt sted enn det jeg har. En god del av disse variantene har betydning for hvilke sykdommer vi utvikler og for ulike behandlingsvalg. La oss si at genomet ble kartlagt på hele Norges befolkning. Hvordan pokker skulle fastlegen klare å plukke fram den genetisk relevante informasjonen på forskjellige stadier i livet, spør Undlien.

Han forklarer at vi trenger mye mer sofistikerte IT-verktøy enn vi har i dag dersom vi skal kunne ta i bruk genetisk detaljkunnskap på en mer robust måte.

– Vi sammenlikner gjerne jobben vår med en korrekturlesers. Vi leter etter «skrivefeil» som kan forklare at akkurat denne personen har blitt syk. Skal man lese korrektur på flere bokhyller med oppskrifter, så gjør man det ikke manuelt, konstaterer Undlien.

Professoren har selv fått kartlagt genomet sitt, og det viser seg at han er bærer av en sjelden arvelig genfeil, som ikke vil gjøre ham syk, men som kan gi ham problemer med bestemte medisiner.

– Moren min døde av brystkreft, og jeg husker at hun i forløpet fikk en cellegift hun bare tålte én dose av. Med innsikten jeg har om mitt genom er det trolig at jeg ville reagere på samme måte, forklarer professoren.

– En gang nedi veien trenger kanskje også jeg cellegift. Takket være innsikten jeg sitter på, kan jeg rekke opp hånden og be legen om å finne en annen type cellegift til meg. Etter hvert, når masse slik informasjon eksisterer for stadig flere av oss, trenger vi smart teknologi som raskt kan fiske fram informasjonen slik at vi faktisk kan benytte oss av den, forklarer han.

Et lærende helsevesen
I dag er regelverket slik at data som kan spores tilbake til din person ikke kan benyttes til noe annet enn å hjelpe nettopp deg. Undlien tror dette er et regelverk som må løses før big data-teknologi virkelig kan gjøre seg gjeldende.

– Vi kan ha anonyme data om deg som vi kan gjenfinne i statistikker på overordnet nivå. Men med big data-teknologi er tanken nettopp å få til et lærende helsevesen hvor vi løpende kan gjøre bruk av nye data som blir tilgjengelig. Mange tror at vi kommer til en verden hvor pasienter, uavhengig av om de er del av et forskningsprosjekt eller ei, må samtykke i at data om dem kan bli benyttet fortløpende, rett og slett for å forbedre helsevesenet, forteller han. 

Mange av de genetiske variantene en lege finner når genomet til en gitt person blir kartlagt, er av en karakter man aldri tidligere har sett noe annet sted i verden. Utfordringen, forklarer Undlien, er å tolke variantene og finne ut om de kan fortelle om personen er syk eller ei.  

– Kanskje finner vi ikke hva som feiler deg i dag, men vi burde kunne ha resultatene dine som referanse når det i framtiden kommer andre pasienter med liknende symptomer. Jeg tror vi beveger oss inn i en verden hvor vi må finne løsninger på studier av real life data – ikke bare data i forskningsprosjekter. Vi trenger et lærende helsevesen som får til det.


Professor i medisinsk genetikk, Dag Undlien
Professor i medisinsk genetikk, Dag Undlien. Foto: Paal Audestad.

 

Barna våre er innfødte
Digitalisering og automatisering påvirker yrkesroller på flere arenaer i samfunnet. Undlien tror flere sykehusroller også vil bli utfordret.

– Hvordan vil radiologene ta det hvis ny programvare blir robust nok til å tolke bilder bedre enn de klarer selv? Hvis du har levd på å være verdensmester i en prosedyre og møter en datamaskin som gjør jobben din vel så godt, da kan det tenkes at du vil opponere litt, reflekterer Undlien.

Holdningene våre til ny smart teknologi vil imidlertid endre seg raskt, tror han.

– Når det gjelder digitalisering i helsevesenet så kan vi karakterisere foreldregenerasjonen som analfabeter, mens vi som jobber med dette i dag er kanskje en slags innvandrere. Barna våre, derimot, de kommer til å være innfødte.

Snakk norsk!
Innovasjonsdirektør Anglero gjenkjenner generasjonsskiftet.

– Leger og spesialister uttrykker skepsis, men unge leger er nerder. De er klare og spør meg hvorfor ikke Watson er her allerede.

I løpet av året er målsettingen at en test av Watson skal ha funnet sted ved et norsk sykehus. Den nødvendige tilvenningen til norske forhold er i gang. For at Watson skal kunne lese norske legejournaler må den lære seg norsk. Anglero og teamet hans på 14 elever fra Ullern videregående skole har startet jobben som norsklærere. Ungdommene brukte sommerferien sin til å lære Watson 20 000 ord – neste på listen er flere titalls tusen ord som er spesifikke for kreft.

Oslo som utstillingsvindu
Ideen om en innovasjonslab fikk Anglero etter et møte med Kreftregisteret på senhøsten i 2015. Gjennom Kreftregisteret har vi verdifulle data og statistikk om kreftforekomst i Norge fra 50-tallet og fram til i dag. Unik tilgang på data gjør Oslo til et relevant «showroom» for Watson i hele Europa.

– Registerdata er Watsons «mat».  Med våre vakre databaser er Norge et av de mest smakfulle landene for Watson, mener Anglero.

Håpet er at IBMs innovasjonslab vil akselerere prosessen med å implementere big data-teknologi i norsk helsevesen.

Anglero har selv opplevd kreft tett på livet. Da sønnen Markus var 15 år ble han diangostisert med leukemi, men er blitt frisk etter mange års behandling.  . Erfaringen har satt sitt preg på hvordan Anglero tenker om jobben sin i en av verdens største teknologibedrifter.

–  For meg er ikke dette et spørsmål om teknologi, men om å redde liv, sier han, og er sikker på nye intelligente verktøy vil bre om seg raskere enn vi aner.  

– Leger vil redde liv. Derfor vil Watson eskalere og bli tatt i bruk over hele verden, tror Anglero.

 Artikkelen er hentet fra Kreftforeningens medlemsblad Felles krefter, nr 1/17. Bladet kan leses i sin helhet her: Felles krefter

Tekst: Øyvind Rolland