Med hjälp av AI kan man snabbare avgöra vilken variant av MS en person har. Det ökar möjligheten att sätta in rätt behandling i tid − och därmed bromsa sjukdomsförloppet.
Multipel skleros, MS, är en kronisk, inflammatorisk sjukdom i centrala nervsystemet. Cirka 22 000 personer lever med sjukdomen i Sverige.
För att kunna ge rätt behandling vid MS är det viktigt att veta när sjukdomen övergår från skovvis till sekundärprogressiv form, någonting som i dag upptäcks i genomsnitt tre år för sent.
Nu har forskare vid Uppsala universitet tagit fram en AI-modell som med 90 procents säkerhet kan avgöra vilken variant en patient har.
Viktigt med rätt behandling
De flesta patienter med MS börjar med den skovvisa formen, som kännetecknas av episoder av försämring med mellanliggande perioder av stabilitet.
Med tiden övergår många till sekundärprogressiv MS, där försämringen istället sker gradvis och utan tydliga skov.
Att upptäcka övergången är viktigt eftersom behandlingarna är olika.
I dag ställs diagnosen i genomsnitt tre år efter att övergången skett, vilket kan leda till att patienter får läkemedel som inte längre är effektiva.
AI:n känner igen mönster
AI-modellen bygger på data från över 22 000 patienter i det svenska MS-registret. Det handlar om data som redan samlas in vid vanliga vårdbesök, som neurologiska tester, magnetkameraundersökningar (MRI) och pågående behandlingar.
− Genom att känna igen mönster från tidigare patienter kan modellen avgöra om en patient har den skovvisa formen eller om sjukdomen har övergått till sekundärprogressiv MS. Det som är unikt för modellen är att den även anger hur säker den är på varje enskild bedömning. Detta innebär att läkaren får veta hur hög tillförlitligheten är och hur säker AI:n är på sin bedömning, säger Kim Kultima, forskare vid Institutionen för medicinska vetenskaper på Uppsala universitet, i ett pressmeddelande.
Träffsäkerhet på 90 procent
Studien visar att modellen upptäckte övergången korrekt eller tidigare än vad som dokumenterats i patienters journaler i nästan 87 procent av fallen, med en generell träffsäkerhet på cirka 90 procent.
– För patienterna innebär det att diagnosen kan ställas tidigare, vilket gör det möjligt att anpassa behandlingen i tid och bromsa sjukdomens utveckling. Samtidigt minskar risken för att patienter får läkemedel som inte längre är verksamma. På sikt kan modellen också användas för att identifiera lämpliga deltagare till kliniska studier – något som kan bidra till mer effektiva och individanpassade behandlingsmetoder, säger Kim Kultima.
Vetenskaplig artikel:
Conformal prediction enables disease course prediction and allows individualized diagnostic uncertainty in multiple sclerosis, npj Digital Medicine.
