ML mot långtidscovid

– Att tillämpa matematisk analys på komplexa patientdata kan ge oväntade och värdefulla insikter, men det är svårt i praktiken. Man behöver därför vara kreativ och gärna ha erfarenhet av hur just sådan data ser ut och är strukturerad, säger Henrik Hult, professor i matematisk statistik vid KTH och en av projektets huvudforskningsledaren.

– För det handlar dels om biodata, dels om hälsodata från patienternas EKG och annat. Även här underlättar samarbetet inom MedTechLabs där vi kan bolla sådana problem och hitta nya sätt att komma förbi dem.

POTS knäcker den starkaste

Svår långtidscovid verkar särskilt drabba kvinnor och symptomen är i vissa fall så svåra att det blir omöjligt att återgå till jobb, studier eller ens ett normalt hemmaliv.

Nu vill forskare från Karolinska Institutet och KTH, knutna till MedTechLabs, knäcka koden till sjukdomen och förhoppningsvis bidra till bättre diagnos och behandling. Karolinska Universitetssjukhuset ingår också i projektet, och samarbetet ger forskarna tillgång till skarpa patientdata från patienter som uppvisar symptom på "long-covid".

Vissa långtidssjuka uppvisar det som kallas POTS, posturalt ortostatiskt takykardisyndrom. Då får den sjuke en kraftig pulsökning, upplever yrsel, svimningar och illamående när den reser sig upp, sätter eller lägger sig.

Det finns exempel på patienter med grundfysik som en elitidrottare som knappt lyckas ta sig ur sängen. För både patienterna och vården är det angeläget att kunna ställa bättre diagnos på sjukdomen, det skulle också underlätta planering av framtida vårdbehov och resursanvändning.

Svaren i patientdatan

Den tänkta studien utgår från idén att inflammation som uppstår vid en covid-19-infektion attackerar det autonoma nervsystemet och att det finns en särskild molekyl som kan vara boven i dramat.

Dataseten för sambanden mellan inflammatoriska markörer och symptom konverteras till rätt format via maskininlärningsalgoritmer. I nästa steg kan matematiken användas för att knäcka den kod till långtidscovid som kan finnas inlåst i patientdatan.

Forskarna bedömer att de kan få användbara resultat redan i år. Skulle det vara så att forskarna antagande om sambandet inte står sig, kommer forskningen ändå öka kunskaperna om sjukdomen. Till det kommer värdet av att lära sig mer om tekniker för att analysera komplexa samlingar av patientdata vid sjukdomsuppföljning, som få i världen hittills lyckats med. 

Källa: MedTechLabs