Forskere udvikler et redskab baseret på kunstig intelligens til at forstå samspil mellem sygdomsårsager i befolkningsgrupper. I sidste ende kan det give bedre behandling og forebyggelsestiltag

Komplicerede algoritmer og enorm computerkraft kan finde mønstre og udregne sammenhænge i gigantiske datamængder og på den måde finde ud af hvilke samspil af faktorer i livet, der øger risikoen for bestemte sygdomme.

Det skriver Danmarks Frie Forskningsfond, der støtter et nyt forskningsprojekt.

De komplicerede udregninger er stadig i høj grad en sort boks, og forskerne mangler forståelse af, hvordan computeren når frem til de mulige sammenhænge.

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

Det siger postdoc Andreas Rieckmann fra Institut for Folkesundhedsvidenskab på Københavns Universitet.

Han skal stå i spidsen for et nyt internationalt forskningsprojekt, hvor målet er at udvikle nogle særlige neurale netværk, som gør algoritmerne i stand til at adressere ovennævnte ved at:

1. Estimere forskellige årsagssamspil for samme sygdomsudfald.
2. Estimere proportioner af patient-undergrupper, der deler årsagsmønstre.
3. Estimere graden af ukendt information i hver patient-undergrupper.
4. Undgå misledende fund på grund af andre årsager, som spiller ind.

- Med redskabet kan vi adressere en grundlæggende udfordring i epidemiologi; at sygdomme forsages af tilstedeværelsen af forskellige årsagskomponenter på samme tid, siger Andreas Rieckmann.

Et hypotetisk eksempel kunne være personer, der har det tilfælles, at de får en blodprop.  Underliggende bidrager forskellige årssagskomponenter til udviklingen af disse blodpropper:

• Hos en gruppe, er det en kombination af højt BMI, rygning og det at være mand, der fører til blodproppen.
• Hos en anden gruppe er det højt alkoholforbrug og en specifik genetisk mutation, der gør udslaget.

Børnedødelighed i Guinea-Bissau

Første skridt i forskningsprojektet er at udvikle neurale netværk og software, som kan håndtere de mere detaljerede undergruppe-udregninger i store datamængder.

Derefter skal forskerne bruge softwaren til at identificere mulige årsagskombinationer mellem flere forskellige sundhedstiltag i det afrikanske land Guinea Bissau og det dramatiske fald i børnedødeligheden, landet har oplevet i løbet af de sidste 40 år.

I 1978 døde mere end 50 procent, før de fyldte 5 år, i dag er andelen under 15 procent.

I løbet af de år har man blandt andet indført mæslingevaccine, vitamintilskud til småbørn og uddannet flere læger.

Danske forskere har siden 1978 fulgt 100.000 indbyggere i Guinea Bissau. På den måde har de blandt andet fundet ud af, at familiens størrelse spiller en større rolle for børnedødelighed end underernæring; børn født i store familier har større risiko for at dø, før de fylder fem år.

I det nye forskningsprojekt skal forskerne bruge den gigantiske mængde data om sundhed og dødelighed hos de 100.000 guineanere til at skabe en bedre forståelse af, hvad der har betydning for børnedødelighed.

- En bedre forståelse af, hvordan forskellige faktorer og tiltag samspiller og indvirker på børnedødelighed, vil på sigt kunne hjælpe os med at reducere børnedødelighed endnu mere globalt, siger Andreas Rieckmann.

Forskergruppen

Danske forskere inden for epidemiologi, biostatistik og computer science på Institut for Folkesundhedsvidenskab på Københavns Universitet og Statens Serum Institut skal samarbejde med forskere fra University of California i USA, Fraunhofer Heinrich Hertz Institute i Tyskland og Bandim Health Project i Guinea-Bissau.