header-pattern-bg

Vinst i forskartävling för kvalitetssäkring av patientdata

Forskare från Högskolan i Halmstad och Lunds universitet kammade hem förstaplatsen i en AI-tävling utlyst av den amerikanska myndigheten för livsmedel och läkemedel, FDA. Syftet med tävlingen var att utveckla ett system för att spåra felmärkt data hos cancerpatienter.

Oavsiktliga förväxlingar och felmärkningar av patientprover kan leda till felaktiga vårdbeslut. Problemet är så stort att den amerikanska myndigheten för livsmedel och läkemedel, FDA, i höstas utlyste en tävling för att hitta lösningar. Tävlingen var en del av den tidigare presidenten Barack Obamas satsning ”Precision Medicine Initiative” från 2015. Mattias Ohlsson är professor i informationsteknologi vid Högskolan i Halmstad och vann tävlingen tillsammans med kollegor från Lunds universitet. Deras lösning, som bygger på maskininlärning, kan söka igenom en stor mängd data och hitta avvikelser som kan kopplas till felaktigt dokumenterade patientdata.

Grattis till vinsten, Mattias Ohlsson! Vad var den största utmaningen med uppgiften?

– Tack! Det svåraste var kombinationen av olika typer av data. Data från gen- och proteinmätningar samt kliniska data användes i uppgiften. Just det faktum att data kom från en specifik cancersjukdom gjorde att vi också behövde ha koll på vilka gener och proteiner som är viktiga för denna specifika sjukdom. Vidare var datamängden ganska begränsad vilket också gör maskininlärningen lite svårare.

En man som tittar in i och ler mot kameran.

Mattias Ohlsson, professor i informationsteknologi vid Högskolan i Halmstad, vann tävlingen tillsammans med kollegor från Lunds universitet.

Ni utvecklade en algoritm som kan söka igenom stora mängder data och hitta felmärkt patientdata. Vad är det som gör denna algoritm ”intelligent”?

– Vi kanske ska nyansera vokabulären något, jag är inte säker på att vi kan kalla algoritmen intelligent. Vi har använt maskininlärning för att analysera olika typer av data för att avgöra hur väl de passar ihop med varandra. Om vi kan förutsäga att två olika datamängder för samma patient inte verkar passa ihop, så kan vi påstå att det kan ha skett en förväxling, det vill säga att vissa data har blivit felmärkta. Det ”intelligenta” kommer sig alltså av att vi använder maskininlärning, som är en del av artificiell intelligens, för att visa på att en förväxling kan ha skett.

Vad hoppas du att er lösning bidra till inom sjukvården?

– Det var en svår fråga! Problematiken med felmärkta data påverkar sjukvårdens analys. Det finns många faktorer som berör kvaliteten av de data man vill analysera, där felmärkning är en sådan faktor. Våra algoritmer kan användas för att upptäcka och korrigera fel i data. Kvalitetssäkring av data är den stora vinsten, tycker jag. Detta kan i sin tur leda till mer pålitlig analys, men det är ganska svårt att säga redan nu vad det kommer att göra för sjukvården.

Det vinnande laget bestod av Mattias Ohlsson från Högskolan i Halmstad, Carsten Peterson, Patrik Eden och Björn Linse från Lunds universitet samt Anders Carlsson från företaget Bionamic. Deras metod ska presenteras vid konferensen RECOMB i Washington den 5–8 maj samt publiceras i tidskriften Nature Medicine tillsammans med arrangörerna senare i år.

Text: LOUISE WANDEL

Foto: DAN BERGMARK