Søren Brunak, professor vid Novo Nordisk Foundation Center for Protein Research vid Köpenhamns universitet, har utvecklat avancerade metoder för hur man med hjälp av statistiska metoder och maskininlärning, så kallade deep machine learning, kan analysera stora mängder biomedicinska data, till exempel patientinformation. Han har även tillämpat dessa metoder för att kartlägga bland annat sjukdomsmekanismer i kroppen.
Enkelt uttryckt kan man säga att Søren Brunak gjort det möjligt att studera flera miljoner människors hälsoutveckling över tid. På så vis kartlägger han hur olika sjukdomar hänger ihop med varandra. Som grund för forskningen ligger enorma mängder data från olika register och patientjournaler.
– Två patienter kan få samma diagnos av vården, till exempel bröstcancer, men de skiljer sig från varandra på så många olika sätt. De har olika labbresultat, genuppsättning, proteinkoncentrationer och prognos. Vi kombinerar all sådan tillgänglig data från olika databaser om patienten, och inkluderar även socioekonomiska faktorer. För det är inte enbart generna som ökar din risk att utveckla en sjukdom, förklarar Søren Brunak.
På så vis kartlägger forskargruppen hur patienterna ”hoppar” från en sjukdom till nästa. En avancerad karta över vägar mellan sjukdomarna ritas upp där man ser hur olika sjukdomar hänger samman.
Ledtrådar från miljontals människor
Forskningen öppnar upp för möjligheten att med ännu bättre precision klassificera patienterna baserat på vilken riktning de är på väg mot. Søren Brunak tar diabetes som ett exempel, där en del har ett snabbare sjukdomsförlopp och behöver insulin tidigare än andra med ett mer långsamt förlopp.
– Vilka faktorer påskyndar eller saktar ned ett sjukdomsförlopp? Varför drabbas en del av blindhet, andra inte? Beror det på varianter i generna, din livsstil? Det är sådana frågor vi söker svar på i forskningen.
Genomet ett försvarssystem
I teorin låter det enkelt: att låta datorer lära sig att upptäcka mönster bland miljontals patienter. Men när du samlar in uppgifter om upp till 10 miljoner personer genereras enorma mängder data och potentiella sjukdomsförlopp. Søren Brunak nämner tankeexperimentet med ett riskorn på ett schackbräde, där man dubblar antalet riskorn för varje ruta. Från 1 till 2, från 2 till 4 och så vidare. När du kommer fram till den 64:e rutan är du uppe i ungefär 18 triljoner.
Ungefär så är det när man samlar in data från så många personer och räknar på hur många sätt man kan hoppa runt.
– I begynnelsen, när vi började konstruera algoritmer för maskininlärning, så hade vi inte alltid tillräckligt med data för att göra vettiga modeller. Idag är utmaningen – och möjligheten – den omvända: nu har vi enorma mängder data och genominformationen fördubblas var sjätte månad.
Dessvärre har inte kostnaden för datalagring gått ned lika snabbt som priset på datorer.
– Datorteknologi skiljer sig från vår hjärna i vilken vi kan lagra mer och mer saker i samma struktur utan att tvingas köpa fler nervceller. Så funkar det inte med datorer. Det är lite irriterande.
Vrid tillbaka klockan till när människans genom kartlades för första gången: april 2003. Det kostade enligt uppgift 2,7 miljarder dollar. Idag är det betydligt billigare, drygt 1000 dollar, och alltså mer realistiskt att kunna användas som underlag i forskning och klinik.
– Ofta talar vi om genomet som fullt av olika riskgener, men glömmer att det i själva verket är ett stort försvarssystem som gör det möjligt för oss att överleva. Bryts skyddet ned drabbas vi av sjukdom. De mutationer i generna som kan öka risken för en viss sjukdom är inte nödvändigtvis de som avgör hastigheten för vilken sjukdomen utvecklas.
För en del med mutationer i generna utvecklar inte sjukdomen. Søren Brunak nämner bröstcancer och BRCA-generna som ett sådant exempel.
– Först tänkte man att variationer i BRCA-generna mycket ofta skulle kunna leda till bröstcancer. Det stämmer i vissa fall, men slutsatsen drogs när man mestadels fått gensekvenser från kvinnor med bröstcancer. Nu när många fler kvinnor kartlagts ser vi att det faktiskt finns många kvinnor med dessa variationer som INTE har bröstcancer. Det finns något som skyddar dem någon annanstans. Vad? Är det gener eller andra faktorer? Det vill vi förstå.
Verkligheten: många sjukdomar i följd
Men att lägga det pusslet är snudd på en omänsklig uppgift. Det är här möjligheterna med maskininlärning, smarta algoritmer och avancerade datorer kommer in. Förhoppningen är att forskningen som Søren Brunak bedriver kan hjälpa till att finna ledtrådar som kan utvecklas till både förbättrade diagnosmetoder, nya behandlingar och minska onödig behandling.
– Till viss del har man romantiserat utvecklingen av nya läkemedel på så sätt att man tagit en sjukdom i taget, men verklighetens patienter har många kroniska sjukdomar staplat på varandra; demens, diabetes, cancer – vilket komplicerar behandlingen.
”Ett extra stort leende på läpparna”
Vi träffas på hans kontor i Köpenhamn och de olika rummen är uppbyggda av glasväggar. Forskargruppen består av många olika kompetenser.
– Många av de projekt jag startat har jag inte haft en fullt utvecklad plan för. Jag har många ”blinda vinklar” där jag är helt beroende av att samarbeta med andra. Det är fantastiskt när tio personer sitter runt bordet och arbetar med ett problem som ingen av oss kunde klara av ensam. Forskningen kräver helt enkelt att vi interagerar mycket med varandra – därav glasväggarna.
Søren Brunak hade precis hållit tal på en konferens för Det Danske Bloddonorstudien, när han insåg att han hade flera missade samtal på telefonen. Det var priskommittén som hade försökt nå honom.
– Efter samtalet hade jag ett extra stort leende på läpparna under middagen, även om jag inte hade möjlighet att berätta för bordsgrannarna varför. Det känns hedrande att få priset, säger Søren Brunak.
Tove Smeds