Fremtidens medisin krever avansert bildediagnostikk

Fremtidens kreftbehandling er å gi hver enkelt kreftpasient den behandlingen som akkurat han eller hun responderer best på. Dette kalles persontilpasset medisin, og baserer seg på at ingen kreftsvulster er like. Med dagens høyteknologiske avbildningsmetoder kan vi ikke bare lokalisere kreften, men også «se», måle og bestemme kreftens egenskaper helt ned på molekylnivå.

Tekst av: Trine Hjørnevik, forsker og fysiker, og Kyrre Eeg Emblem, seksjonsleder og forskningsgruppeleder, Avdeling for diagnostisk fysikk, Klinikk for radiologi og nukleærmedisin, OUS. Foto: Ram Gupta, Marianne Bjørnbakk, OUS, Shutterstock.

Kreftbehandlingens paradoks

Kreft er en komplisert sykdom med stor variasjon, hvor nøyaktig diagnostikk er nødvendig for å kunne skreddersy behandlingen til hver enkelt pasient.

En utfordring med dagens kreftbehandling er at vi ikke klarer å forutse hvilke pasienter som vil ha god effekt av en bestemt behandlingsform.

 

 

FORSKNINGSGRUPPE: Kyrre Eeg Emblem, seksjonsleder og forskningsgruppeleder og Trine Hjørnevik, forsker og fysiker, Avdeling for diagnostisk fysikk, Klinikk for radiologi og nukleærmedisin, OUS.

Det kommer stadig nye, spennende kreftmedisiner på markedet, men vi mangler fremdeles tilstrekkelig kunnskap om hva som gjør at pasientene responderer så forskjellig på disse. Det en i utgangspunktet ikke skulle tro var at to tilnærmet like kreftsvulster kan ha totalt forskjellig respons på samme medisin.

Videre vil de fleste nye kreftmedisiner oppleves annerledes i kroppen enn tidligere medisiner. Dette kan gjøre at de diagnostiske metodene vi har for å se om medisinen virker ikke lenger er gyldige.

En enkelt pasient kan ha god respons på en kreftmedisin, mens den neste pasienten bare opplever negative bivirkninger. Svært syke kreftpasienter burde ikke behøve å bruke sin dyrebare tid på å vente å se om medisinen virker før en annen medisin prøves ut.

Avansert bildediagnostikk

Ved Oslo universitetssykehus (OUS) har vi tilgang på høyteknologiske avbildningsmetoder og dyktige fagfolk. I vår forskergruppe jobber vi kontinuerlig med å utvikle metoder som utnytter denne teknologien på best mulig måte. Håpet er at dette vil hjelpe til å forbedre dagens kreftbehandling.

Vi bruker maskiner som magnet resonans tomografi (MR) og positron emisjons tomografi (PET) i kombinasjon med avansert databehandling for å skaffe mest mulig informasjon om kreftcellene og det miljøet de lever i.

Med nye bildemetoder på OUS kan vi nå måle det kirurgen føler når en tar på kreftsvulsten. Vi kan se om svulsten er hard, myk eller seig, og det uten å operere. Vet kirurgen dette før operasjon kan en planlegge operasjonen bedre og dermed være forberedt på hva som venter.

MR bruker magnetiske felt til å ta bilder av kroppens ulike vevstyper. MR gir gode bilder av kreftsvulstens plassering og størrelse, men også informasjon om det vi kaller funksjonelle egenskaper som blant annet blodstrøm.

PET bruker radioaktive sporstoffer som søker seg til bestemte biologiske funksjoner i kroppen. Ved å ta i bruk forskjellige sporstoffer kan vi få informasjon om kreftens byggeklosser og dens metabolisme (forbruk av næringsstoffer).

Ved å kombinere kunnskapen fra MR og PET, sammen med annen relevant pasientinformasjon, kan vi se kreften fra ulike innfallsvinkler samtidig.

Dette kaller vi gjerne for «multi-modal, multi-parametrisk avbildning». Det vil si at en utnytter alle verktøy en har tilgjengelig for å skaffe seg et best mulig bilde av sykdommen. Slik kunnskap er viktig for å finne den riktige behandlingen, men også for å vurdere om behandlingen bør justeres eller endres ved et senere tidspunkt.

Maskinlæring inn i bildebehandlingen

En medisinsk bildeundersøkelse kan i dag generere tusenvis av bilder. Å oppdage og forstå kompliserte sykdommer i et så stort datamateriale er utfordrende. Så hvordan kan vi utnytte all denne informasjonen på best mulig måte?

Les også: Forskningsgruppe ved OUS MR-undersøker 200 friske barn

En spennende løsning er å kombinere avansert bildebehandling med maskinlæring, også kjent som kunstig intelligens. Ved å bruke maskinlæring kan man finne mønstre og koblinger som er unike for den enkelte pasient. I tillegg håper vi å kunne forutsi hvilke pasienter som vil respondere på én type behandling, og dermed skreddersy behandlingen for hvert enkelt individ.

Dette vil også kunne hjelpe oss til å utvikle nye og bedre medisiner.

Teknologer inn i sykehusene

Med en rivende utvikling i medisinsk teknologi har det oppstått et stort behov for ingeniører og teknologer i helsevesenet.

Fremtidens diagnostikk og behandling vil kreve en ny type tverrfaglig arbeid, bestående av leger, sykepleiere, fysikere, kjemikere, biologer og data-spesialister for å nevne noen.

For å utnytte disse mulighetene har vi i forskningsgruppen vår et fokus på tverrfaglig samarbeid med forskere fra ulike fagdisipliner.

Sammen jobber vi for å utvikle teknologien til å forme morgendagens diagnostikk og kreftbehandling.

Her kan du lese mer om forskningen og arbeidet til Kyrre Eeg Emblems forskningsgruppe.

Les mer om Kyrre Eeg Emblem her: