Big Data Medicine – Københavns Universitet

En datadrevet revolution i behandlingen

 Server med Big data

Forskere på Københavns Universitet arbejder målrettet med sundhedsdata, som kan forbedre diagnose og behandling, reducere bivirkninger fra lægemidler og gøre forskere og læger klogere på både almindelige og mere komplekse sygdomme.

Danmark har oparbejdet nogle af de mest omfattende sundhedsdatabaser i verden, der studeres og betjenes af internationalt førende specialister. Det danske sundhedssystem har derfor særligt gode forudsætninger for at bruge sundhedsdata i forskningsprojekter til forebyggelse af sygdomme og behandling af patienter.

Fakultetet har indledt et stærkt samarbejde med hospitaler og andre sundhedsprofessionelle om forskning og behandling med afsæt i Big Data.

Big Data Medicine bygger på registrerede oplysninger om patienters helbred, tidligere diagnoser, indlæggelser, scanninger, røntgenbilleder, blodtryksmålinger, blodprøver og hjerteundersøgelser. Den indsamlede data giver for eksempel et overblik over medicinindtag og patienters livsstil i form af kost, motion og alkoholvaner.

Ved at analysere sundhedsdata kan forskere og læger danne sig et 360 graders billede af patientens sygdomshistorik og trække på erfaringer fra andre patienters sygdomsforløb.

”Ved at sammenholde data fra hundredetusindevis af patienter kan vi effektivt understøtte forskningen i forebyggelse og behandling af sygdomme. Det vil spare det enkelte menneske for unødig og uvirksom behandling og sundhedssystemet for en masse udgifter”, siger Professor Søren Brunak fra Novo Nordisk Foundation Center for Protein Research.

Datamønstrene gør det muligt at forudse, hvordan en særlig type behandling vil påvirke patienten, og det kan forhindre fejlbehandlinger og mindske bivirkninger fra medicin.

Datamønstre kan forebygge sygdomme

Rigshospitalet, Danmarks Tekniske Universitet, Sundhedsdatastyrelsen og Københavns Universitet arbejder tæt sammen i en række forskningsprojekter, der finder nye mønstre og tendenser i patientforløb.

På SUNDs Proteincenter gør de brug af data fra flere tusinde blodprøver til at undersøge, hvordan proteiner i blodet kan vidne om kommende livsstilssygdomme som type 2-diabetes, fedme og andre metaboliske sygdomme med omfattende samfundsmæssige konsekvenser. Resultaterne skal bruges til at igangsætte tidlige forebyggende behandlinger.

”Big Data er et meget spændende bidrag til proteinforskningen. Vi er lige nu de eneste i verden, der sammenholder måling af proteiner i blodet med data fra andre sygdomsmønstre for at se, om personer er i risiko for at udvikle diabetes. Teknologien kan vise sig at blive en revolution for den globale sundhed”, siger professor Matthias Mann fra Novo Nordisk Foundation Center for Protein Research.

Big Data øger intensivpatienters overlevelseschancer

SUND og Intensivafdelingen på Rigshospitalet arbejder på et studie, der skal identificere en ny målemodel for intensivpatienters overlevelse.

Når patienter med akut, livstruende sygdom kommer i behandling på landets intensivafdelinger, har lægerne udfordringer med at stille prognose for patienternes overlevelse. Patienternes overlevelseschancer bliver typisk vurderet ud fra lægernes observation i de første 24 timer efter indlæggelsen. Men med Big Data kan lægerne inkludere patientens 20-årige sygdomshistorik og sammenholde den med andre danskeres sundhedsdata. Det giver en helstøbt og kvalificeret vurdering af patientens overlevelse.

”Vi vil gerne blive bedre til at forudsige udfaldet af patienternes forløb. Derfor samarbejder vi med SUND for at udvikle modeller, der kan forudsige vores patienters overlevelse og udsigt til bedring – også efter hospitalet. Big Data kan give mange af svarene”, siger professor og overlæge Anders Perner fra Intensiv Terapiklinik i Abdominalcentret på Rigshospitalet.

Hvert år indlægges ca. 32.000 patienter på intensivafdelinger i Danmark. Efter udskrivelse har patienterne ofte en række alvorlige problemer, der resulterer i en stærkt forringet livskvalitet

Mere om SUND i samfundet