I et nyt offentligt-privat samarbejde tester Sygehus Lillebælt og Roche den kunstige intelligens-algoritme, LungFlag™, til identificering af personer i høj risiko for at udvikle lungekræft indenfor 12 måneder. Ole Hilberg, professor i lungemedicin og leder af Dansk Forskningscenter for Lungekræft, vil sammen med Margrethe Bang Henriksen, Ph.d. studerende og læge på onkologisk afdeling på Sygehus Lillebælt, afprøve algoritmen retrospektivt på et dansk datasæt med 65.000 personer, som enten har en KOL-diagnose eller er henvist med mistanke om lungekræft, for at undersøge værdien af tidlig opsporing.
Ny forskning fra Region Syddanmark viser, at omkring hver 20. patient fulgt i lungeambulatoriet med KOL ender med også at få stillet en diagnose med lungekræft. Disse patienter har ofte moderat til svær KOL, og det giver formentlig mening at screene alle patienter med svær KOL for lungekræft for at opdage kræftsygdommen tidligt i sygdomsudviklingen. Forskningen er præsenteret på den årlige kongres for European Society for Clinical Oncology (ESMO)1 i oktober 2023.
Tidspunktet for samarbejdet om afprøvningen af LungFlag™ - et retrospektivt studie på et dansk datasæt med 65.000 personer, som enten har en KOL-diagnose eller er henvist med mistanke om lungekræft - mellem Sygehus Lillebælt og Roche er derfor ideel. Dels forventes algoritmen at være et værdifuldt værktøj til at identificere høj risiko patienter, for at detektere kræftsygdommen tidligere sygdomsudviklingen. Og dels det er kun et halvt år siden, indenrigs- og sundhedsminister Sophie Løhde bad Sundhedsstyrelsen iværksætte en tre-årig national screeningspilot med henblik på at kunne etablere et egentligt nationalt screeningsprogram for lungekræft.
“AI-løsningen vil med al sandsynlighed være relevant i en screenings-sammenhæng, hvor den kan fungere som et præ-screenings værktøj, der kan hjælpe med at finde de personer, der er i højeste risiko for at udvikle lungekræft og som vi hurtigt bør bringe videre i det diagnostiske forløb. På den måde kan vi bruge vores ressourcer i sundhedsvæsenet mest effektivt. Et naturligt næste skridt vil være en implementeringstest i klinisk praksis og i den nationale screeningspilot, som vil bidrage med vigtig viden og evidens i relation til etableringen af et nationalt screeningsprogram for lungekræft," udtaler professor i lungemedicin og leder af Dansk Forskningscenter for Lungekræft, Ole Hilberg.
Kunstig intelligens og machine learning har gjort et indtog på sundhedsområdet, særligt inden for billeddiagnostik, hvor disse løsninger er mest udbredt. De senere år er der udviklet en række risikomodeller, som i større eller mindre grad kan forudsige risikoen for at udvikle lungekræft ved hjælp af forskellige prædiktionsvariable 2, 3.
“Vi ser et stort potentiale i kunstig intelligens og værktøjer som LungFlag™, der kan være med til at sikre en tidligere og mere systematisk opsporing af personer med høj risiko for at udvikle lungekræft. Og med tanke på, at lungekræft er den dødeligste kræftsygdom i Danmark, er der ingen tvivl om at vi får brug for sådanne løsninger, der kan fungere som klinisk beslutningstøtte og hjælpe os til at målrette indsatsen til dem, som har mest brug for det”, påpeger Ph.d. studerende og læge på Sygehus Lillebælts onkologiske afdeling, Margrethe Bang Henriksen.
En af de mest populære og studerede modeller til at vurdere risikoen for lungekræft er PLCOm2012, som tidligere har vist sig effektiv til at finde personer i højrisikogruppen. Den bruges dog ikke i klinisk praksis i dag. LungFlag™-modellen, der er baseret på standard data variable i klinisk praksis, har for nylig i en række retrospektive studier vist øget præcision i at opspore personer med høj risiko for at udvikle lungekræft indenfor 12 måneder sammenlignet med standard USPSTF screeningskriterie og PLCOm2012, der betragtes som golden standard4.
“Vi har en forhåbning om, at vores samarbejde med Sygehus Lillebælt om LungFlag™ kan blive én af de manglende brikker i puslespillet om at knække dødelighedskurven for lungekræft og dermed blive en meget betydningsfuld brik for patienterne”, siger Rasmus Thomsen, der er Strategic Partnership Lead i Roche Pharmaceuticals, og uddyber: “Det er samtidig et godt eksempel på, hvordan vi i et offentlig-privat samarbejde kan finde bæredygtige løsninger på nogle af de store udfordringer i sundhedsvæsenet såsom tidlig opsporing og kapacitet og samtidig vise, hvordan vi på en kontrolleret måde kan afprøve det store potentiale i digital sundhedsteknologi med fokus på klinisk relevans og patientsikkerhed.”
Han suppleres af sin kollega, Christian Juul, der er Senior Innovations Partner i det danske datterselskab af den globale, schweiziske virksomhed: “I Danmark har vi sundhedsdata af høj kvalitet, et stærkt digitalt fundament og en innovativ tilgang til problemløsning i sundhedsvæsenet, som gør det attraktivt for en global virksomhed som Roche at afprøve en ny innovativ teknologi som LungFlag™. Vi håber, at dette blot bliver ét eksempel ud af mange, for potentialet for digital sundhedsteknologi er langt større og vi har ikke udnyttet det til fulde endnu.”
November er international lungekræft måned, og den retrospektive validering af LungFlag™ forventes meget symbolsk gennemført i netop perioden november 2023 til november 2024, hvorefter resultaterne publiceres. Parterne undersøger parallelt med studiet muligheden for at iværksætte en implementeringspilot, hvor løsningen afprøves i klinisk praksis.
Algoritmen er udviklet af den israelske teknologivirksomhed Medial Early Sign, som Roche har indgået et globalt partnerskab. De oplyser at LungFlag™ er allerede tilgængelig i USA, hvor algoritmen vil blive anvendt som risikostratificeringsværktøj. En ansøgning om CE-mærkning i EU er i øjeblikket under behandling.
Margrethe Bang Henriksen, Ph.d. studerende, Sygehus Lillebælt
Lars Berendt, Communications, Roche Danmark: 42142902
Kilder
Ostrowski M, Bińczyk F, Marjański T, et al. Performance of various risk prediction models in a large lung cancer screening cohort in Gdańsk, Poland-a comparative study. Transl lung cancer Res. 2021;10(2):1083-1090. doi:10.21037/tlcr-20-753
Spitz MR, Hong WK, Amos CI, et al. A risk model for prediction of lung cancer. J Natl Cancer Inst. 2007;99(9):715-726. doi:10.1093/jnci/djk153
Gould MK, Huang BZ, Tammemagi MC, Kinar Y, Shiff R. Machine Learning for Early Lung Cancer Identification Using Routine Clinical and Laboratory Data. Am J Respir Crit Care Med. 2021;204(4):445-453. doi:10.1164/rccm.202007-2791OC
Denne hjemmeside er målrettet danske sundhedsprofessionelle, medier og offentligheden. Kontakt Roche Pharmaceuticals A/S for yderligere information.