Skip to main content

- først med nyheder om afdækning af sygdomme

Professor: Big data kan føre til overdiagnosticering

Præcisionsmedicin baseret på Big data og machine learning lover, at revolutionere sygdomsforebyggelse ved at diagnosticere patienter tidligere eller identificere risikofaktorer hos tilsyneladende raske mennesker.

Men den øger også udfordringerne med at afgøre, hvilke abnormaliteter, som er klinisk vigtige, fastslår forskere bag et dansk-norsk studie, som British Medical Journal for nylig har publiseret.

For studiets forfattere er Big data de nyere dataintensive teknologier, der muliggør præcisionsmedicin, som for eksempel datasæt om DNA, RNA, metabolitter, diagnostiske billeder, elektroniske sundhedsregistre, sociale medier, nye biosensorer, selvmålende teknologier som smartwatch, mulige kommende data fra sensorer som udfører opsamlinger af blod, sved eller miljøeksponering. Men det kan også være de mange sundhedsdata, som Amazon og Google indsamler sammen med Facebook og Apple for netop at bruge disse til kommercielle sundhedsydelser. Alt sammen teknologier, som muliggør en hidtil uset overvågning af den menneskelige krop, men som ifølge analysens forfattere indebærer en stor risiko for overdiagnosticering og overbehandling: 

”Nutidens screeninger involverer typisk måling af en eller et par variabler, enten én gang eller med lange intervaller. Big data-screening adskiller sig fra traditionel screening, fordi den kan måle mange forskellige typer af variabler - fra molekylære til sociale på samme tid, og måling kan være gentagen eller kontinuerlig og vise kropslige forandringer over tid. Dette kan skabe en meget detaljeret beskrivelse af hver persons genotype og fænotype. Store datasæt fra forskellige kilder kan bruges til at screene individer for mange sygdomme og risikofaktorer på en gang. Det største problem ved screening af Big data er, at overvågning af mange funktioner i kroppen med meget følsomme teknologier ikke kan undgå at diagnosticere mange abnormiteter, men uden evnen til at fortælle hvilke, hvis nogen, der vil blive klinisk manifeste,” skriver forfatterne, hvoraf én af dem er professor, John Brodersen, Forskningsenheden Almen Praksis, Københavns Universitet, som advarer mod manglende præcision blandt diagnoser baseret på Big data og machine learning:

”Der er noget, som tyder på at disse diagnosticeringer er alt for upræcise. Vi risikerer at blive patienter alle sammen i et system, hvor vi reduceres til statister i et dataovervågningssystem,” siger John Brodersen, der også er bekymret for massiv overdiagnostik blandt de ressourcestærke borgere, som er på vej til at tage screening af deres helbred i egen hånd ved hjælp af for eksempel billige DNA-test, data fra sundheds-apps og andre monitorerende teknologier uden at disse til fulde forstår konsekvenserne. 

”Big data præcisionsmedicin kan synes at tilbyde udsigt til at fjerne usikkerhed, men nytteværdien kan blive overskygget af spild og skader ved at diagnosticere abnormaliteter, som ikke forårsager virkelige problemer. I en sammenhæng, hvor mennesker er overbeviste om, at selvmonitorering er nyttigt, vil det at overlade medicinske beslutninger til individer kunne skade ligeså meget som det vil kunne indebære fordele. Alle, som arbejder med at udvikle præcisionsmedicin til forebyggelse, bør være opmærksomme på de mulige skader af overdiagnostik. Alt andet er uetisk,” siger Brodersen, der opfordrer læger, forskere, fonde, etiske komiteer, beslutningstagere og politikere til at være mere opmærksomme på risikoen ikke kun for overdiagnosticering, men også for at sundhedsvæsnet, den medicinske fagverden og sundhedsmyndighederne helt fortaber deres roller som regulerende myndigheder i forhold til brug af screeninger i forbindelse med Big data og præcisionsmedicin.

I Danske Regioner deler man ikke omfanget af forskergruppens og professor Brodersens frygt for potentiel overdiagnostik, som man dog i øvrigt er opmærksom på og forsøger at undgå ifølge Region Midtjyllands koncerndirektør Ole Thomsen, der i en kommentar til artiklen i BMJ, skriver til Diagnostisk Tidsskrift.

 ”Vi ser grundlæggende et stort potentiale i præcisionsmedicin, som bl.a. kan være med til at forbedre vores muligheder for at forebygge og behandle sygdomme samt ramme plet første gang i behandlingen. Det er klart, at der i den udvikling er mange ting at være opmærksomme på, f.eks. overdiagnosticering, som vi arbejder for at afværge”, skriver Ole Thomsen og fortsætter: 

”Øget brug af data har potentiale til at være mere præcis, når vi kan give en behandling, som er individuelt tilrettelagt og mere effektfuld for den enkelte. Arbejdet med præcisions-medicin tager netop afsæt i, at vi i dag i for høj grad behandler patienterne for ens, selv om vi godt ved, at der kan være store forskelle på, hvor godt en given medicin virker for den individuelle borger bl.a. afhængigt af borgerens genetik. ”

  • Oprettet den .
  • Sidst opdateret den .
  • Læst: 2116