Så kan AI stödja diabetesvården

– Det är viktigt för oss att vi rör oss från att betrakta personer med typ-2-diabetes som en grupp, och istället börjar närma oss det som vi kallar för precision medicin där vi tittar på individen för att försöka para rätt läkemedel med rätt person, för att minimera komplikationer, säger Damon Tojjar, forskare på Diabetescentrum vid Lunds universitet.

Hur fungerar ert AI-verktyg?

– Vi använder den data som vi redan har för alla patienter och analyserar den. Det handlar om labbprover från patienten, men också annan information där kön är en viktig del, precis som längd eller vikt och andra parametrar som kan påverka hur ett läkemedel tas upp och bryts ner hos en viss individ. Detta har vi studerat i drygt nio år och sammanställt världens största databas som vi har tränat våra algoritmer på. Utifrån den har vi ungefär en miljon olika patientprofiler, och det är en siffra som växer i takt med att systemet är självlärande. Det vi gör är att para rätt patient med rätt läkemedel och ger en rekommendation till den läkare som använder sig av Easy Diabetes, som verktyget heter. Därefter får man en möjlighet att tillsammans med patienten komma överens om vilket läkemedel man tycker passar bäst. Man får alltså ett antal initiativ där man får de högst rankade som första förslag.

Läs mer: Snabbare vårdcentral med AI 

Varför är det olika medicin för olika patienter?

– Det är rätt naturligt. Det kan handla om könsskillnader, skillnader i vår etniska bakgrund som syns i våra gener, vi kan ha olika enzymnivåer av olika slag och tar upp olika läkemedel på olika sätt. Vi vet idag från utvecklingsprogrammen av de här diabetesmedicinerna att de har olika effekter, och vi vet idag att det är långt ifrån alla som svarar på en viss behandling även om den har haft goda effekter i stora drag. Även inom oss själva kan vi förändras med tiden, exempelvis skillnader i mängden fett eller muskelmassa vi har, och det måste man ta hänsyn till när man sätter in de här läkemedlen för att få den bästa effekten och minska biverkningar.

Läs mer: Så kan AI hjälpa sjukhusen 

Läs mer: Fabians krig mot cancer 

Hur har appen tagits emot?

– Den har tagits emot väldigt väl. Vi har 44 olika svenska kliniker runtom i Sverige som använder sig av den inom ramen för en klinisk studie. Där jämför vi användare med vårt beslutsstöd mot handläggning utan det. Under Vitalis presenterar vi spännande data som visar hur bra det faktiskt går när man får stöd från vår AI-plattform, som alltså är ett komplement till läkarbesöket, och vi har fått ett varmt mottagande från läkarkåren och inte minst från patienterna. Man räknar på ungefär två besök per år för dessa diabetespatienter, och de är alltså själva i drygt 360 dagar med sin egen handläggning och behandling, och då kan de få stöd i vår app. I och med att den är synkroniserad med beslutsstödet så samlas den här datan och görs tillgänglig för patientens läkare eller sköterska. Men patienten får också feedback på hur de sköter sin behandling och om de ska göra vissa justeringar. Just den här feedbacken innehåller också maskininlärning och AI för att bättre lära känna den enskilda patienten och förutse förändringar och faror i förtid. Det gör att patienten får en betydligt tryggare tillvaro och betydligt bättre resultat i sin diabetes.

Läs mer: VGR öppnar virtuell mottagning 

Hur ser framtiden ut?

– Vi fokuserar i första hand på diabetes, och vårt fokus är att visa dessa fantastiska data som vi ser och försöka få ut det här i all verksamhet runtom i Sverige så att vi kan få världens bästa diabetesvård. Sen är det ju förstås så att en person med typ-2-diabetes inte bara har diabetes i många fall. Drygt 60 procent av dessa har även högt blodtryck, och givetvis kan man tänka sig att samma behov finns inom andra sjukdomsområden, och dessa data finns redan i plattformen. Tillsammans med samarbetspartners i Sverige kan vi få möjligheten att visa nyttan även inom andra sjukvårdsområden, där högt blodtryck kan vara en av dem.

Läs mer: 2025 är vården i mobilen