Dr. ME

Postad 2018-06-26 av Karl Pettersson. Taggar: epidemiologi, datavetenskap

Dagens sommarpratare är Mouna Esmaeilzadeh, som beskrivs som läkare, hjärnforskare och entreprenör och [e]n av de ledande experterna på framtidens hälsa (Esmaeilzadeh 2018). Hon berättar om hur hon arbetat som AT-läkare på Åland och där stött på en man i 50-årsåldern med obotlig magcancer, som hon menar lätt kunde ha räddats om han tagit ett blodprov som visat att han var infekterad med bakterien som orsakar de flesta fall av magcancer (alltså Helicobacter pylori) och fått antibiotika mot denna infektion. Hon hävdar att 7 av 10 i västvärlden dog av hjärtinfarkt, stroke eller cancer och att majoriteten av dessa sjukdomar kunde förhindras.1 Därför har hon grundat en klinik, som går att på att använda det senaste inom vetenskap och teknologi för att förhindra de ovannämnda sjukdomarna, med ett helhetsgrepp, som innefattar att skanna kroppen och göra allt från genetisk kartläggning till analys av livsstilsfaktorer. Hon menar att vi om 10 år antagligen kommer att skratta åt den tid då vi gick till doktorn när vi redan var sjuka.

Programmet har kommenterats av Manzoor (2018). Hon påtalar en del problem med de ovan refererade resonemangen: olika tester kan ge upphov till falskt positiva resultat och föranleda potentiellt riskabla behandlingar, och tillgänglig evidens visar på att generella hälsokontroller av friska inte leder till minskad sjuklighet eller dödlighet (här hänvisas vidare till Krogsbøll m.fl. (2012)).

Jo, sannolikt finns det också en övertro när det gäller möjligheten att få ut värdefull information från avancerade, kostsamma tester utöver vad som kan fås med enklare metoder. Petersson m.fl. (2009) visar på att en enkel undersökning med data som ålder, kön, familjehistoria av kranskärlssjukdom eller slaganfall och rökning tillsammans med uppmätt blodtryck över 140/90 och mätning av midja/höft kunde förutsäga insjuknande/död i kärlsjukdom lika bra som en SCORE-modell, som bygger på att ålder, kön och rökning kombineras med systoliskt blodtryck och kolesterol, och en utökad modell som kombinerar den enkla undersökningen med en rad labbtester. För att återknyta till exemplet med magcancer har denna sjukdom minskat kraftigt i den rika världen under lång tid. Viktiga faktorer bakom detta är troligen att bättre livsmedelshygien lett till färre H.pylori-infektioner, och att folk med magsår (som orsakas av samma bakterie) fått bättre behandling. Kanske är dessa metoder mer kostnadseffektiva än att hålla på och provta och antibiotikabehandla individer med asymptomatisk infektion: en liten minoritet av dessa kommer att utveckla magcancer utan behandling, och behandlingen medför risk för biverkningar och ökad antibiotikaresistens.

Vid fortsatt lyssning på dagens sommarprogram framgår att idéerna om utveckling av förebyggande hälsovård är kopplade till allmänna tankar om att utvecklingen är exponentiell, men det framgår aldrig riktigt vad det är som utvecklas exponentiellt. Lyssnaren uppmanas att tänka på vad som hänt med mobiler och Internet sedan millennieskiftet och sedan föreställa sig vad som kommer att hända med hälsa under detta sekel. Men exponentiell utveckling är något som under de senaste decennierna kunnat observeras inom vissa snäva områden, som vissa aspekter av datorhårdvara, enligt olika formuleringar av den s.k. Moores lag (Wikipedia 2018). Många bedömare inom området väntar sig att denna utveckling snart kommer att ta stopp, men bortsett från detta går det att fråga sig vad den har för relevans för utvecklingen när det gäller hälsa. Även om folk lever allt längre på de flesta håll i världen går det t.ex. inte att se någon exponentiell ökning av livslängden under de senaste decennierna.

En idé i programmet är att den framtida utvecklingen av hälsa skall understödjas av utvecklingen av artificiell intelligens. Men om detta skall genomföras i stor skala kräver det utveckling på mjukvaruområdet. Som jag diskuterade den 10 december förra året och den 30 april fortskrider inte utvecklingen där på samma sätt som när det gäller hårdvaran. För snart en månad sedan publicerade en forskare inom artificiell intelligens ett inlägg där han uttrycker farhågor om att vi är på väg in i en ny AI-vinter (Piekniewski 2018). Det är en term som använts om perioder då grusade förhoppningar på artificiell intelligens lett till minskade investeringar i området. De senaste åren har fokus legat på deep learning, och de beräkningar som utförs av sådana system har ökat exponentiellt de senaste åren, men deras användbarhet har inte ökat i motsvarande omfattning: för system som AlphaGo Zero går en stor del av beräkningarna åt till att simulera spelmiljöer för att få de väldiga datamängder som krävs, och sådana datamängder är inte tillgängliga för problem utanför spelvärlden. Likaså vet vi inte hur vi skall programmera självkörande fordon för att ge dem perception och förmåga till adekvata reaktioner jämförbara med en människa, och en olycka med dessa har redan kostat en fotgängare i Arizona livet.

Ett medicinskt exempel som tas upp i inlägget handlar om hur forskare basunerat ut på Twitter att modeller baserade på deep learning nu kunde diagnostisera lunginflammation utifrån röntgenbilder bättre än mänskliga radiologer (och att det kanske var dags för de senare att se sig om efter nya jobb), fast senare data med röntgen av ben tvärtom visade på att modellerna var sämre än människorna på att hitta avvikelser.

Palme (1970) sammanfattar läget inom artificiell intelligens för snart ett halvsekel sedan. Redan då fanns vad som kan beskrivas som en sorts chattbotar, som kunde lura folk att de konverserade med en människa (som ELIZA, som skulle låta som en psykoanalytiker). Men det framhålls samtidigt att datorn har svårt när det gäller att känna igen likheter mellan saker som inte är exakt lika, för att kunna klassificera dem under begrepp och associera med kända problem. Moderna tekniker, som deep learning, har medfört förbättringar i detta avseende, men frågan är om de kommer att ta oss mycket längre än vi befinner oss idag utan nya genombrott.

Referenser

Esmaeilzadeh, Mouna. 2018. ”Sommar 2018”. Sommar & Vinter i P1 (26 juni). https://sverigesradio.se/sida/avsnitt/1106296?programid=2071.

Krogsbøll, Lasse T, Karsten Juhl Jørgensen, Christian Grønhøj Larsen och Peter C Gøtzsche. 2012. ”General health checks in adults for reducing morbidity and mortality from disease”. Cochrane Database of Systematic Reviews (10). doi:10.1002/14651858.CD009009.pub2.

Manzoor, Amina. 2018. ”Mouna Esmaeilzadeh förenklar för mycket i sin iver att göra vetenskap sexigt”. DN (26 juni). https://www.dn.se/kultur-noje/sommarkommentar-26-juni-mouna-esmaeilzadeh-forenklar-for-mycket-i-sin-iver-att-gora-vetenskap-sexigt/.

Palme, Jacob. 1970. ”Artificiell intelligens”. I När Var Hur 1971, red. Trygve Carlsson, 292–293.

Petersson, Ulla, Carl Johan Östgren, Lars Brudin och Peter M. Nilsson. 2009. ”A consultation-based method is equal to SCORE and an extensive laboratory-based method in predicting risk of future cardiovascular disease”. European Journal of Cardiovascular Prevention & Rehabilitation 16: 536–540. doi:10.1097/HJR.0b013e32832b1833.

Piekniewski, Filip. 2018. ”AI Winter Is Well On Its Way”. https://blog.piekniewski.info/2018/05/28/ai-winter-is-well-on-its-way/.


  1. Om det bygger på beräkningar med dödstal betyder det att vi kan skapa en ny fördelning av livslängden, där folk kan dö av samma sjukdomar, men i en högre ålder, som jag t.ex. exemplifierade i förra inlägget.