AI-verktyg ska underlätta riskbedömning av cancer i primärvården

Trötthet, magbesvär och hosta. Vanliga symtom hos patienter som söker hjälp i primärvården kan ha många orsaker. Men när ska läkaren börja misstänka cancer? Nya riskbedömningsverktyg baserade på artificiell intelligens kan fungera som stöd att upptäcka cancer tidigt och på sikt öka möjligheter till att bota fler. Det hoppas distriktsläkaren och doktoranden Elinor Nemlander på i ett nytt projekt.

Majoriteten av alla patienter som får en cancerdiagnos har haft sin första vårdkontakt med primärvården som startat cancerutredning. Dock är det en stor utmaning för allmänläkaren att identifiera de fåtal patienter som har en cancer bland alla som söker för olika symtom.
– För att fånga upp och utreda patienter i primärvården med hög risk för cancer behövs verktyg som bygger på kombinationer av symtom och fynd. I primärvården söker dessa patienter med just symtom – inte misstänkta diagnoser. Att hitta rätt kombinationer kan vara avgörande för tidig cancerupptäckt, konstaterar Elinor Nemlander, distriktsläkare, doktorand och verksam vid APC.

Elinor Nemlander

I ett forskningsprojekt undersöker hon om AI-baserade verktyg, skräddarsydda för att användas i primärvårdskontext, kan underlätta läkares riskbedömning av cancer. Forskningen görs tillsammans med forskare från Karolinska Institutet, Västra Götaland och Regionalt cancercentrum.

I Sverige finns flera screeningsprogram för tidig upptäckt av cancer.
– Men all cancer kan inte upptäckas via screening som är inriktad på specifika grupper, cancerdiagnoser, tidsintervaller och åldersspann. Andra problem är att evidensbaserad kunskap och vårdprogram kring cancer till stor del utgår från forskning utförd i sekundärvården och inte är anpassad för patienterna i primärvården. Vi bryter ny mark, menar Elinor Nemlander.

Forskningen kring de riskvärderingsverktyg som forskarna ska bygga upp baseras bland annat på AI-analyser som ska kunna ge en sammanlagd bild av patientens risk för en viss typ av cancer genom att lägga ihop olika riskfaktorer, symtom och fynd. Analyserna och beslutsfattandet med artificiell intelligens blir bättre ju mer information som finns att tillgå.
– Just nu pågår ett intensivt arbete med att bygga upp en databas med en stor mängd data om allt från symtom för vanliga cancerformer till sjuklighet, läkemedel, laboratoriefynd, besöksfrekvens, ålder och socioekonomiska faktorer, säger Elinor Nemlander.

En av Elinors forskningsfrågor är hur prediktivt anemi är för cancer i primärvården. För en kolorektalkirurg är anemi nästan givet tarmcancer eftersom patienterna ofta är hårt selekterade när de kommer till sjukhuset och det många gånger har gått lång tid sedan debut av symtom.
– Men om en patient kommer till oss i primärvården med anemi som enda symtom är det i de flesta fall inte cancer. Dock kan bilden dramatiskt förändras om patienten har flera samtidiga symtom, till exempel blödning från ändtarmen i kombination med förändrade avföringsvanor, viktnedgång eller magsmärtor, säger Elinor Nemlander.

Med hjälp av riskbedömningsverktyget som bygger på AI vill hon undersöka om exempelvis anemi, diarré, viktnedgång och ont i magen kan upptäcka cancer om de värderas tillsammans. Systemet kan söka igenom patientens data under ett tidsintervall och hitta symtom eller provsvar som var och en för sig kanske inte talar för cancer, men som kan visa på en ökad risk när de läggs ihop.
– Tanken är att läkaren i framtiden ska kunna få upp en signal i journalsystemet om att risken är förhöjd, och att läkaren då får ta ställning till om en utredning om cancer ska påbörjas, menar Elinor Nemlander.

I en av sina delstudier studerar Elinor även kombinationer av faktorer som kan tyda på lungcancer.
– Lungcancer ökar i Sverige men förutsättningarna att upptäcka sjukdomen på vårdcentral är dåliga. Detta gäller framför allt hos patienter som aldrig rökt. Vi undersöker skillnader mellan de som fick lungcancerdiagnos och övriga och jämför patienterna beroende på rökstatus, säger Elinor Nemlander.

Symtom, undersökningsfynd, livsstil och andra sjukdomsdiagnoser har redan samlats in via en interaktiv enkät från patienter med misstänkt lungcancer som remitterats till lungonkologiska kliniken på Karolinska universitetssjukhuset. Enkätsvaren ska ligga till grund för ytterligare ett riskvärderingsverktyg.   

Men är AI-teknik och andra riskvärderingsverktyg redo att göra samma jobb som en erfaren allmänläkare? 
– Riskskattning är komplex och våra patienter skiljer sig åt. Verktygen ska ses som ett beslutsstöd i det kliniska arbetet och gör inte anspråk på att vara facit för hur den enskilda patienten ska handläggas. AI verktyg kan flagga patienter med statistisk förhöjd risk som sedan går vidare till läkare för slutgiltig bedömning, menar Elinor Nemlander.

Just nu varvar Elinor sin forskning med kliniskt arbete på Sophiahemmets husläkarmottagning, att utbilda vårdpersonal kring cancer i kunskapsteamet CaPrim (cancer i primärvården) och ansvara för ett Telederma-projekt på APC samt gå forskarskolan i allmänmedicin och primärvård. Det är knappast 40-timmarsveckor.
– Nej, så är det nog, säger Elinor och skrattar.
– Men att få forska, testa hypoteser, lösa problem och tolka resultat – hela tiden med patientens bästa för ögonen, träffa engagerade och intressanta människor och samtidigt ha en fot i den patientnära vården känns oerhört stimulerande och som en stor förmån, avslutar hon.