Skip to main content

Sundhedspolitisk Tidsskrift

Computer finder tusindvis af danskere, som sandsynligvis døde med en forkert diagnose

Skrevet af Redaktionen den . Skrevet i Nyheder.

Forskere fra Københavns Universitet har udviklet en computer-algoritme, der kan identificere patienter, som muligvis er fejldiagnosticeret. Forskerne fandt eksempelvis over 2.000 KOL-patienter, som døde meget kort tid efter KOL-diagnosen - sandsynligvis fordi de faktisk havde lungekræft og ikke KOL.

Algoritmen er udviklet på baggrund af data fra flere hundrede tusinde danske KOL-patienter. Ved hjælp af digital sygdomshistorik kan algoritmen registrere sygdomsforløb, som afviger så meget fra normale sygdomsforløb, at der kan være tale om en fejldiagnose.

”Vores nye algoritme kan finde de patienter, der har et så usædvanligt sygdomsforløb, at de måske ikke har den sygdom, de blev diagnosticeret med. Det kan forhåbentlig ende med at blive et støtteværktøj for læger,” siger Isabella Friis Jørgensen, postdoc på Novo Nordisk Foundation Center for Protein Research. 

Forskningen er netop offentliggjort i det videnskabelige tidsskrift NPJ Digital Medicine.

Forskerne har udviklet algoritmen på baggrund af sygdomsforløb for 284.154 patienter med lungesygdommen KOL fra 1994 og til 2015. Ud fra disse data kom de frem til 69.521 typiske sygdomsforløb.

”I Landspatientregisteret har vi kunne kortlægge, hvad man kan kalde typiske sygdomsforløb. Og hvis der dukker en patient op med et meget usædvanligt sygdomsforløb, så kan det jo være, at de simpelthen har fejlet noget andet. Det kan vores værktøj hjælpe med at opdage,” siger Søren Brunak, professor på Novo Nordisk Foundation Center for Protein Research.

Forskerne fandt eksempelvis, at 9.597 patienter havde et usædvanligt sygdomsforløb og døde signifikant tidligere end andre KOL-patienter. Ud af de 9.597 patienter identificerede forskerne en undergruppe bestående af 2.185 patienter, som havde laboratorietestværdier og et overlevelsesmønster, som kunne tyde på, at de havde lungekræft. Kun fire procent af dem havde fået en lungefunktionstest, som måske havde kunnet bekræfte KOL-diagnosen.  

”Da vi granskede nærmere i laboratorieværdierne fra de pågældende patienter, kunne vi se, at de afveg fra normale værdier for KOL-patienter. Til gengæld lignede de værdier, som er tættere på dem, man ser for lungecancer-patienter. Kun 10 procent af disse patienter fik diagnosen lungecancer, men vi er rimelig overbeviste om, at de fleste af - hvis ikke alle - disse patienter faktisk havde lungecancer,” siger Søren Brunak.

En anden undergruppe med 2.368 atypiske patienter viste sig måske at være overdiagnosticeret med KOL, da de levede mange år efter diagnosen og ikke havde de typiske komplikationer af KOL.

Data til gavn med det samme

Selvom algoritmen er valideret gennem data fra KOL-patienter, kan den i princippet anvendes for mange andre sygdomme. Princippet er nemlig det samme: Algoritmen bruger registerdata til at kortlægge de typiske sygdomsforløb og kan finde ud af, hvis nogle patienters sygdomsforløb stikker så meget ud, at noget måske er galt.

”Det vigtigste formål for os er naturligvis, at patienterne får så meget sundhed for pengene som overhovedet muligt. Og vi tror på, at den her algoritme i fremtiden kan ende med at blive brugt som et støtteværktøj for læger. Når algoritmen først har kortlagt de typiske sygdomsforløb, tager det ikke mere end 10 sekunder at matche en enkelt patient op mod alle andre,” siger Søren Brunak. 

Han understreger, at algoritmen skal valideres yderligere og afprøves i kliniske forsøg, før den kan implementeres på danske hospitaler. Men han håber, det er noget man snart kan gå i gang med.

”I Danmark roser vi tit vores gode sundhedsregistre, fordi de har værdifulde data for forskere. Vi forsker i dem, fordi det kan komme andre mennesker til gavn ude i fremtiden i form af bedre behandling. Men det her er faktisk et eksempel på, at dine egne sundhedsdata kan komme dig selv til gode lige med det samme,” siger Søren Brunak.