Hvilket lægemiddel skal vi satse på? Hvor god er vores nye pille? Tager patienterne deres medicin efter lægens anbefalinger? Til det er der ét svar, som vil runge stadigt højere i fremtiden: Spørg Watson!
Sådan lyder vurderingen fra cheferne for digital udvikling i Novo Nordisk og Lundbeck, der begge har indgået samarbejdsaftaler med IBM om at bruge computergigantens kunstige intelligens Watson.
»AI er en fuldstændig uundgåelig ting i branchen. Der er, som da man gik fra at bruge heste til at køre i biler. Hestene kan stadig bruges, men det er lidt smartere at tage bilen,« siger Mads Dalsgaard, der er direktør for kliniske studier i Lundbeck.
Gennem Lundbecks samarbejde med IBM får virksomheden adgang til millionvis af data fra sundhedsregistre om patienters medicinforbrug over store dele af verden. Det giver en unik viden og mulighed for at jagte de rette lægemiddelkandidater eller finde de patientgrupper, som medicinen virker bedst på.
»Vores første arbejde med Watson har allerede vist os interessante mønstre og grupperinger af patienter med forskellige behandlingsforløb. Det er præcis den slags, der baner vejen for en mere målrettet medicinering,« siger Mads Dalsgaard.
Novo har også kig på Watson som et redskab til at udvælge de bedste lægemiddelkandidater, og udviklingsafdelingen har løbende møder med IBM. Men chefen for digital health, Geert Reyniers, er især optaget af kunstig intelligens som et redskab til at gøre livet bedre nu og her for de mere end 420 millioner mennesker, der i dag har diabetes. Et tal, der kun vokser år for år.
»Uanset hvor god insulin vi udvikler, så vil en meget stor gruppe diabetikere leve med komplikationer, fordi de ikke bliver hjulpet godt nok til at regulere deres blodsukker. Det er jo ikke som med kolesterol, hvor du bare kan tage en tablet om dagen. Mennesker med diabetes er tvunget til hele tiden at skulle regulere sig selv,« siger Geert Reyniers.
Et skridt ind i den fremtid er samarbejdet med både IBM og den amerikanske teknologi-virksomhed Glooko, der har udviklet en dataplatform til diabetespatienter. Over en million mennesker bruger i dag Glookos platform, der kan integrere data fra mere end 160 forskellige enheder fra insulinpumper til skridttællere. Og i kombination med en AI-kraft som Watson ser Geert Reyniers det som en vej ind i fremtiden.
»Vi ser ind i en tid præget af Internet of Things, hvor mennesker med diabetes kan sende et utal af input til en virtuel assistent via blodsukkermålere, online insulinpenne og træningsure, der måler ens aktiviteter. Og de skrumper hele tiden i størrelse, så vi kan forvente blodsukkermålere på størrelse med en enkrone. Det marked – med regulering af diabetes – vil vi være førende på,« siger Geert Reyniers.
For at nå dertil skal Novo Nordisk tage tre vigtige skridt. Det første skridt er oprettelsen af en clouddatabase, som samler patientdata fra Glookos diabetesapp Cornerstones4Care. Opgaven her ligger i at gøre data uidentificerbare, når de befinder sig i skyen, overholde alle regler og bygge en sikkerhed som panserglas. Den del er næsten færdig.
Andet skridt er samkøringen af data fra IBM’s cloudsystem, der rummer millioner af patienter, og endelig er tredje skridt kombinationen med personlige data fra patienternes forbundne enheder. Det giver mulighed for en slags interface, hvor både patient og læge kan få et dybt indblik i, hvordan blodsukkeret bliver reguleret i hverdagen.
»Vi vil stå med en guldgrube af informationer, som kan bruges til meget mere end bare en app. Dem er der tusindvis af derude. Præcis hvad vi udvikler, og hvordan patienten vil opleve det, kan vi ikke sige endnu. Men der vil i højere grad være tale om en virtuel assistent, der kender ens personlighed og søvnmønster på en så detaljeret måde, at den kan være en virkelig støtte i et liv med diabetes,« siger Geert Reyniers.
AI rummer også mulighed for at være et effektivt værktøj til at dokumentere effekten af lægemidler i kliniske forsøg og i virkelighedens verden. I dag er det en helt afgørende faktor for virksomhederne, da 80 til 90 procent af alle lægemiddelkandidater typisk ikke opnår godkendelse. Samtidig kæmper firmaerne med at bevise nye lægemidlers værdi i forhold til kopipræparater. En anden udfordring er, at nogle patienter af genetiske årsager ikke reagerer på visse lægemidler.
»Ved at kombinere Watsons viden fra forskningsartikler med real-world-data om patienterne kan vi langt bedre dokumentere, hvorfor vores medicin virker – og på hvilke patienter,« siger Geert Reyniers og nævner, at Novo Nordisk er begyndt at anvende teknologierne på brugere af deres nyeste insulin Tresiba.
I Lundbeck er det især et problem at få patienterne til at tage medicinen regelmæssigt, da firmaets patientgruppe har psykiske lidelser som for eksempel depression, skizofreni, Alzheimers og Parkinsons. Mellem 20 og 30 procent af patienterne i kliniske forsøg tager medicinen som foreskrevet. Det samme gælder i den virkelige verden.
»Det er en stor udfordring for os, og vi er nødt til at forstå, hvorfor folk ikke tager medicinen. Her er AI allerede i gang med at finde mønstre, som virker åbenlyse, når du først ser dem,« siger Mads Dalsgaard, der endnu ikke kan afsløre opdagelserne i detaljer.
Artiklen opstiller tre vigtige skridt.
1) Data skal gøres uidentificerbare, når de befinder sig i skyen
2) Data skal samkøres med andre persondata i IBM's sky
3) Data skal samkøres med persondata fra borgernes devices (telemedicin?)
Jeg vil meget gerne vide hvordan det skal kunne lade sig gøre? Uidentificerbare data skal samkøres med personoplysninger. Det er lige så umuligt som at få heste til at flyve (af egen drift). Men første del, den kritiske her, er "næsten færdig".
Samkøring forudsætter at man er i stand til at udpege en identificeret eller identificerbar (ved pseudonymisering) person. Pseudonymisering er ikke at gøre data uidentificerbare.
Det som artiklen beskriver som "fremtiden med AI" er ganske enkelt totalovervågning af borgerne, svarende til den som vi ser i Kina. Eneste forskel er at herskeren over borgernes liv ikke er det kommunistiske parti i Kina men en koalition af Big Pharma og GAFA.
Hvis vi skal bruge den teknologiske udvikling, herunder AI, til gavn for borgerne, skal vi have helt andre idéer på banen end det som Big Pharma og GAFA disker op med. Ellers ender det galt, virkelig galt.
Jesper Lund
Formand, IT-Politisk Forening
Du har ramt 1) rigtig nok, men der står intet i artiklen om at persondata skal samkøres med 1).
Om 2) står der at der fra eksisterende patientjournaler skal udtrækkes anonymiserede data på samme måde som 1).
Din udlægning af 3) giver ikke nogen som helst mening, for hvilken glæde skulle en patient og dennes læge have af at gå på nettet efter data der allerede er tilstede i patientens journal.
Meningen med 3) er at en patient/læge anonymt kan slå op i de to databaser med den aktuelle patients oplysninger om livsstil, sygdomsforløb mm. og se hvad andre med tilsvarende forhold har haft af behandlinger, bivirkninger af samme mm.
Der er ikke på noget tidspunkt i et sådant opslag involveret personidentificerende data.
M
Det som du beskriver er pseudonymisering (i bedste fald).
Det har intet med anonymitet at gøre. Det er stærkt misvisende at kaldet det uidentificerbare data.
Anonymisering betyder at data ikke kan kobles til nye data om en person.
Pseudonymiserede oplysninger er også persondata i databeskyttelsesforordningens forstand.
Når jeg skriver anonymiserede, så mener jeg det. Der står intet i artiken om at det er andet og da slet ikke noget om pseudonymisering - hvilken glæde skulle man have af det ?
M
Anonymisering udelukker samkøring med nye oplysninger om personen. Artiklen omtaler samkøring og kombination med "personlige data fra patienternes forbundne enheder." Det kan ikke gøres med anonyme data.
Hvad mener du med "anonymisering på samme måde som 1" ?
Samme som "patientdata fra Glookos diabetesapp Cornerstones4Care" - det kan vel ikke komme bag på dig da det var dig der introducerede notationen.
Fuldstændig korrekt. Det kræver en regelmæssig regenerering af basen. Det er ganske normalt når man skal håndtere personrelaterbare data.
Samkøringen går på de anonymiserede data i 1) og 2). Herefter kan man ud fra personlige data fiske information ud af disse. Personlige data er IKKE personnummer eller lignende personidentificerende oplysninger, men derimod anonyme oplysninger som køn, alder, sygdomsoplysninger mm.
M
Til medicin er det vist kun til diagnosering udfra billeder og simpel data der ligger ligefor.
Rent faktisk at udvikle medicin med kunstig intelligens er noget væk. Ikke på horisonten, dvs 10+ år.
Simulering af molekyler og DNA funktioner er noget de bør være i gang med dog. Det har stort potentiale.
Billedanalyse ligger naturligvis lige for som noget AI kan være en støtte for, men som i det nævnte eksempel med diabetes, så kan jeg sagtens se det udvidet til f.eks. medicinering i forbindelse med blodpropper.
Det bedste ved det hele er at det kan gøres uden at "Big brother" eller " Big Pharma" er involveret.
M
"Har arbejdet som første løjtnant i hæren", står der i en af faktaboksene!? Dét troede jeg ellers var von Buddinge...men han arbejdede måske ikke? :))