noun_Email_707352 noun_917542_cc Map point Play Untitled Retweet Group 3 Fill 1

Helsingfors Universitetssjukhus: AI-teknologi matchar lämpliga patienter med medicinforskning

Trial Matching hjälper personer som är sjuka i olika varianter av akut leukemi att hitta den optimala behandlingen utifrån deras individuella förutsättningar.

Joona Pylkäs

Head of Data & AI

Utmaningen

Att hitta ett sätt för att koppla samman patienter med akut leukemi med lämpliga kliniska prövningar och därmed möjliggöra den medicinska behandlingen som är optimal för just deras sjukdomsvariant.

Lösningen

Smart mjukvara stöttar forskning och möjliggör mer träffsäkra kliniska beslut och individbaserade behandlingar för de patienter som har en livshotande sjukdom och därmed snabbt behöver få en diagnos och en fastställd behandlingsplan.

Om kunden

HUS CleverHealth Network är ett ekosystem för hälsoteknik som grundades 2017. Nätverket möjliggör för företag och yrkesutbildade inom sjukvård i samarbete att utveckla allt bättre vård för finländare samt framgångsrika hälsostekniska exportprodukter för företag. Innovationer av produkter och tjänster baseras på den högkvalitativa hälsodata och spetskompetens som finns hos klinikerna vid HUS (Helsingfors Universitetssjukhus).

Forskningsprojektet som rör akut leukemi i projektgruppen eCare for Me i CleverHealth Network utvecklar automatiserad diagnostik och val av behandling. Målet är att skapa en intelligent app som både kan användas i kliniskt patientnära arbete och inom forskning.

Projektets team leds av Kimmo Porkka, Professor i hematologi och överläkare vid Helsingfors universitetssjukhus.

www.cleverhealth.fi/en www.hus.fi/en
Förenklar aggregering av en växande datamängd från olika källor. Hjälper till att mer effektivt identifiera patienter som är lämpliga för kliniska prövningar och erbjuder dem en möjlighet att delta.

Förenklar deltagande i forskning

Förenklar aggregering av en växande datamängd från olika källor. Hjälper till att mer effektivt identifiera patienter som är lämpliga för kliniska prövningar och erbjuder dem en möjlighet att delta.

Behandlingar som riktas mot generiska förändringar i deras cancerceller kan erbjudas patienter. Utbudet av behandlingar ökar i en situation där andra behandlingar redan har prövats.

Förbättrad behandling för individen

Behandlingar som riktas mot generiska förändringar i deras cancerceller kan erbjudas patienter. Utbudet av behandlingar ökar i en situation där andra behandlingar redan har prövats.

Strukturering av kliniska data i enlighet med Internationella gemensamma informationsmodellen (OMOP) CDM) möjliggör ett kompetent och informationssäkert samarbete mellan inhemska och utländska center.

Stöttar internationell forskning

Strukturering av kliniska data i enlighet med Internationella gemensamma informationsmodellen (OMOP) CDM) möjliggör ett kompetent och informationssäkert samarbete mellan inhemska och utländska center.

AI hjälper vid kliniska studier av cancer

Trial Matching-appen, som är under utveckling, kopplar ihop patienter som är sjuka i leukemi med lämpliga medicinstudier.

Spela video

 

Hjälper vid analys av en ökande datamängd

Perttu Koskenvesa är med i teamet som, under ledning av Kimmo Porkka, utvecklar en app för matchning av patienter och kliniska försök. I utvecklingsprojektet automatiseras en tidigare manuell process, där kliniska medicinprövningar eftersöks för patienter med en blodsjukdom, samtidigt som passande kandidater i sin tur söks till kliniska försök.

– Vi använder patientdata som redan finns i journalsystem för att gynna behandlingen och eliminera mödosamma steg i form av manuell databehandling och aggregering, säger Koskenvesa.

Mängden patientspecifika data har ökat markant under de senaste 10–15 åren. Paraplytermen ”Akut leukemi” innefattar ett antal olika varianter av sjukdomen, och behandlingen av dessa kan markant skilja sig åt. Sjukdomens molekylärgenetiska skillnader och de läkemedel som finns tillgängliga formar behandlingsvägen.

Att kombinera pågående forskning med lämpliga patienter kräver information om aktuell forskning gällande antalet deltagare och vem som kan delta. Man behöver också utvärdera om olika studier kan genomföras – med andra ord om det går att hitta lämpliga patienter som kan delta.

– Att nyttja all information som finns lagrad i journalsystem är praktiskt taget omöjligt om dataanalysen enbart görs på mänsklig väg, säger Koskenvesa.

Vi vill bättre veta vilka patienter som behöver behandling, antalet patienter och vara redo att engagera oss i studier som erbjuder läkemedelsbehandling av olika subtyper av leukemi.

Perttu Koskenvesa

Specialist inom klinisk hematologi, HUS Cancer Center

Exakt vägledning för kliniska prövningar

Trial Matching-appen, som stöttar forskning om akut leukemi och skyndar på diagnostiseringen, använder data från HUS databank, alltså Finlands största lager av vårddata.

I Trial Matching-appen extraheras den patientdata ur HUS databank som behövs för att diagnostisera leukemi och planera behandling. Den samlas in som en separat datapost i enlighet med forskningstillståndet. Lämpliga patienter för kliniska studier identifieras i denna data utifrån förbestämda kriterier.

Verktygets nyckelfunktioner är skapandet av patientgrupper och utvecklingen av rapporter för att stötta forskningsaktiviteter. Det är sedan klinikern som fattar det slutgiltiga beslutet om vilka patienter som ska ingå i studien.

Trial Matching kan också användas för att få reda på vilken medicin som rekommenderas utifrån de alternativ som redan finns tillgängliga. Appen kan ta hänsyn till alla patientspecifika fynd och möjliga skillnader i behandlingsplanen.

– Att förskriva läkemedelsbehandling förväntas ge en bra respons hos patienter som har en molekylavvikelse i cancerceller. Därmed kan man få en effektivare behandling för dessa. Men samma medicin skulle praktiskt taget vara värdelös och inte ge något annat än biverkningar hos en person utan denna avvikelse, säger Koskenvesa.

Patientdiagnostik underlättas i automatiserade system. Användningen av informationsteknologi minskar risken för att mänskliga fel påverkar genomförandet av behandlingen.

Perttu Koskenvesa

Specialist inom klinisk hematologi, HUS Cancer Center

Inkluderings- och uteslutningskriterier separerar patienter och studier

Utvecklingen av Trial Matching baseras på rutinerna för kliniska studier på Helsingfors universitetssjukhus. Hittills har forskningskriterierna skickats som PDF-filer till de inom läkarkåren som fattar beslut om behandlingar, och att matcha patientdata med dessa kriterier har skett manuellt.

Under skapandefasen av appen är kriterierna för kliniska studier lagrade i ett strukturerat format, vilket möjliggör effektiv bearbetning, utveckling av artificiell intelligens och en uppdatering av kriterierna i realtid.

– Data hämtas från forskningsplanen, alltså protokollet som definierar inkluderings- och exkluderingskriterier. I framtiden kommer vi att kunna svara bättre på förundersökningar som utvärderar möjligheten att delta i kommande forskningsstudier, säger Koskenvesa.

Målet är att i Finland ha ett gemensamt informationssystem, som underlättar nationella forskningssamarbeten och informationsdelning. Datan konverteras också till ett internationellt standardformat (OMOP-datamodellen), vilket gör det möjligt att skala upp lösningen på nationell och global nivå.

Första fasen av utvecklingsprojektet kommer att vara slutförd i slutet av 2021.

Klinisk expertis är avgörande för att förstå vilken datakälla som applikationen kräver.

Perttu Koskenvesa

Specialist inom klinisk hematologi, HUS Cancer Center

Dela på Facebook Twittra Dela på LinkedIn