Senest opdateret
Et røntgenbillede kan vise gigt i et knæ. Men det kan ikke fortælle, hvor ondt patienten har. Eller forklare hvorfor to mennesker med samme diagnose kan opleve vidt forskellige smerter.
Smerter er nemlig langt mere komplicerede end det, man kan se på et billede, og mange ting kan spille en rolle: Nervesystemet kan være ekstra følsomt ligesom, gener, immunsystem og psykologi kan have betydning.
Og det gør det svært at finde den behandling, der virker bedst for den enkelte.
AI skal finde mønstre i smerterne
Om 10 år kan kunstig intelligens være med til at løse noget af gåden om smerterne. Det mener professor og smerteforsker Kristian Kjær-Staal Petersen, der blandt andet undersøger, hvorfor mennesker oplever artrose (slidgigt) forskelligt.
Når han taler om AI, mener han især machine learning – altså systemer, der kan finde mønstre i store mængder data – og ikke kunstig den form for intelligens, vi kender fra fx ChatGPT.
Smerteforskeren sammenligner smerter med et stort puslespil, hvor blandt andet nervesystemet, immunsystemet og psykologien er nogle af brikkerne.
Behandlingen kan blive mere personlig
Machine learning kan analysere mange forskellige oplysninger på én gang og finde mønstre, som ellers kan være svære at få øje på.
Det kan hjælpe forskere og læger med bedre at forstå den enkelte patients smerter og vurdere, hvilken behandling der sandsynligvis vil virke bedst.
Målet er ikke at finde én behandling, der virker for alle, men at blive bedre til at målrette behandlingen til den enkelte patient.
En blodprøve kan blive en del af svaret
Ser man 20 til 30 år frem, forestiller Kristian Kjær-Staal Petersen sig, at en almindelig blodprøve kan blive en del af den personlige smertebehandling.
Blodet rummer blandt andet oplysninger om generne og immunsystemet. Sammen med anden viden om patienten kan de oplysninger måske bruges til at vurdere, hvilken behandling der har størst sandsynlighed for at virke.
I fremtiden kan kunstig intelligens samle og analysere de mange oplysninger og på den baggrund være med til at tegne en risikoprofil for den enkelte patient.
”Mit bedste bud er, at vi med en blodprøve vil kunne inddele patienter med artrose i undergrupper og på den baggrund tilbyde en mere målrettet behandling til hver enkelt gruppe“
Kristian Kjær-Staal Petersen, professor og smerteforsker, Aalborg Universitet
Behandlingen skal passe til patienten
En sådan risikoprofil kan for eksempel vise, at en patient bør prøve en anden behandling, før eksempelvis en operation kommer på tale. Den kan også pege på, at en operation måske slet ikke er den bedste løsning for alle.
AI skal altså ikke behandle patienten, men hjælpe lægen med at vælge den behandling, der passer bedst til den enkelte patient.