Big computers og Big Data forandrer vores sygehuse
more_vert
close

Få de daglige nyheder fra Version2 og Ingeniøren. Læs mere om nyhedsbrevene her.

close
Ved at tilmelde dig accepterer du vores Brugerbetingelser, og du accepterer, at Teknologiens Mediehus og IDA-gruppen lejlighedsvis kan kontakte dig om arrangementer, analyser, nyheder, job og tilbud m.m. via telefon og e-mail. I nyhedsbreve, e-mails fra Teknologiens Mediehus kan der forefindes markedsføring fra samarbejdspartnere.

Big computers og Big Data forandrer vores sygehuse

Illustration: MI Grafik

I starten af 1980’erne fandt en gruppe unge læger fra fire danske hospitaler en smart metode, da de skulle have skrevet en masse forskningsartikler for at booste deres cv.

De havde fået fat i en – på det tidspunkt – hypermoderne pc, ZX81, som de fyldte med patientdata om alt fra hormonniveauer til vægt og blodtype. Og så ventede de. Og ventede ... dag og nat ... på, at computeren ville spytte sammenhænge ud på det sølvpapiragtige printerpapir, der hørte den tid til.

Det meste var vrøvl eller selvfølgeligheder, som at højde og vægt hang sammen. Ikke ligefrem Sherlock Holmes værdig. Men så opdagede lægerne en mærkelig sammenhæng:

Rigshospitalets patienter havde et lavere niveau af hormonet prolaktin end patienter på andre hospitaler. En granskning af data fra Rigshospitalet afslørede, at det var diabetesafdelingen på hospitalet, der gjorde forskellen, og især for kvinderne. Pludselig stod lægerne med en vigtig opdagelse, der kunne hjælpe et utal af barnløse par.

Kvinder med sukkersyge havde nemlig et lavere niveau af prolak­tin, hvilket var årsagen til deres udeblevne menstruation og deraf manglende evne til at blive gravide. Nogle år senere blev opdagelsen til en doktordisputats og senere til en behandling.

Læs alt om personlig medicin på vores tendens-side her.

Eksemplet fra starten af 1980’erne er et af de tidligste eksempler på danske læger, der bruger computerkraft og patientdata til at udvikle medicin og behandlinger. I dag hedder det Personlig Medicin, og alt fra Danske Regioner til DTU lovpriser det som fremtidens gamechanger for sygehusvæsenet. Og med god grund.

En halv milliard gange kraftigere

For da de fire danske læger udførte deres Big Data-analyser, skete det på en pc med en hukommelse på 1 kB RAM og kun fire integrerede kredsløb. I dag er opgaven givet videre til den såkaldte ‘Computerome’, Danmarks kraftigste supercomputer, der målt på antal transistorer er en halv milliard gange kraftigere end de unge lægers pc.

Computerome står nu på DTU Risø og tygger sig gennem milliarder og atter milliarder af basepar fra generne hos danske patienter i jagten på ny medicin og behandlinger.

Computerkraften er steget afsindigt sammen med mængden af patientdata. Genetiske data er også blevet så billige, at de hyppigere er tilgængelige for læger, og mængden af medicinske og personlige wearables stiger. Det giver data om alt fra patienters puls til temperatur, blodsukker og bevægelser – i real-time.

Udviklingen har affødt en voldsom interesse fra regeringer, medicinalvirksomheder og forskere inden for personlig medicin. Danske Regioner og Danske Patienter er sammen med landets fire sundhedsvidenskabelige fakulteter på vej med en national platform for gensekventering af 100.000 danskere, Venstre er på vej med en national handlingsplan for personlig medicin – ligesom præsident Obama. Og 50 forskere og it-folk fra DTU, AAU, KU og andre institutioner er i fuld gang med at skabe et dansk referencegenom ud fra 50 danske familier.

Alt sammen for at forstå sygdomme og finde det perfekte match mellem patient og medicin. Personlig medicin rider forrest på bølgen af nye teknologiske fremskridt og er derfor den tredje af de megatendenser, Ingeniøren dækker intensivt det næste halve år.

sortSortér kommentarer
  • Ældste først
  • Nyeste først
  • Bedste først

Jeg har, som læge, stadig tilgode at se at big data har givet væsentlige medicinske resultater. Det er korrekt at for noget medicin skal man have store patient grupper for at finde en forskel, men sprøgsmålet er da om den forskel man finder ved at bruge store grupper har nogen betydning.
Skal vi fx tage et narkose middel. Der skal ikke mere end 5 patienter til at finde ud af om det virker effektivt eller ej. Når det gælder morfin skal man måske bruge to grupper på 10 patienter en gruppe som kontrol og en som får morfin. Så når det gælder virkning, er små grupper på under 100 ofte nok.
Når det gælder bivirkinger derimod er det en helt anden sag, der er 500 måske ikke nok. Men der har vi bivirknings registeret som dækker hele landet og derfor i princippet "tager alle med".
Problemet med Big Data i sygehusvæsenet er at det indeholder alt for mange variabler som ikke registeres.
Praksis i et sygehus kan være forskellig fra et andet sygehus. Begge i princippet lige gode, men kan slå ud forskelligt i et studie, fordi vi må snærve mændgen af variabler ned og "antage at..."
Denne debat foregår også i medicinske tidskrifter i debatten om evidence bases medicine.
Det mest berømte tilfælde hvor alt er udført korrekt og alligevel blev resultatet fejl er "Intensive Insulin Therapy in Critically Ill Patients" artikelen.
Der er ikke nogen måde at "bevise" på, kun at afprøve teorier til det store flertal er enige.

  • 0
  • 0

Det er nok i højere grad kombinationseffekter man vil se efter med denne teknik. Hvilke virkninger/bivirkninger kan man forvente ved kombination af flere medikamenter/genetiske variationer. Noget der er stort set umuligt at teste med tradionelle forsøg.

  • 0
  • 0
Bidrag med din viden – log ind og deltag i debatten