Big data giver mere individuel medicin

Ved at sammenligne data fra millioner af patienter kan forskere finde de kombinationer af medicin, der har alvorlige bivirkninger for nogle og er virkningsløse for andre. Dermed kan behandlinger målrettes den enkelte patient. 

Peter Hesseldahl

MM Special: Den målrettede medicin

  • Nye teknologier som epigenetik og crispr kan skabe helt nye og mere præcise behandlingsformer. 
  • De nye teknologier udfordrer de gængse forretningsmodeller i branchen. 
  • Det er lykkedes for Danmark sammen med Sydsverige at opbygge en biotekklynge, der kan bide skeer med de førende europæiske klynger.
  • Topforskere opfordrer til, at Danmark og Sverige på nationalt niveau står sammen og satser på det store potentiale i Øresundsregionen.

Nu kommer den præcise og målrettede medicin

Politikere gambler med dansk-svensk biotekeventyr

Big data giver mere individuel medicin

Molekylær saks har revolutioneret bioteknologien

Epigenetik er genernes styresystem

En stor del af den medicin, som gives, har ingen nyttig virkning på patienterne. Det kan være vidt forskelligt, hvordan vi reagerer over for medicin, hvor nogle patienter f.eks. skal have en stor dosis af det stof, som andre får voldsomme bivirkninger af.

Samtidig bliver det ikke lettere af, at mange, specielt ældre patienter, ofte får både 10 og 20 forskellige slags medicin. Hver for sig kan det enkelte stof være gavnligt og uskadeligt, men i kombinationer kan der opstå uforudsete problemer hos nogle patienter. Med andre ord vil det være godt at vide mere præcist, hvilken medicin der passer til hvem, og her kan supercomputere og massive mængder af data være et redskab.

Når et nyt lægemiddel udvikles, bliver det typisk testet på 5.000-8.000 patienter før godkendelsen. Men det antal er ikke altid nok til at opfange bivirkningerne fra de mange, meget forskellige kombinationer, som patienterne i praksis senere får lægemidlet i. Det kræver ofte et langt større dataunderlag at finde de mere sjældne bivirkninger, og derfor arbejder forskere nu med at analysere data fra flere millioner mennesker på én gang. 

Stop for uvirksom behandling

Forskningsområdet ligger mellem det, man kalder for bioinformatik og medicinsk informatik, og det er netop den form for dataanalyser til at gøre nye medicinske opdagelser og udvikle nye behandlingspraksisser, som Søren Brunak har arbejdet med i årtier, helt tilbage fra dengang i 1980’erne, da big data var små.

Han er professor og programleder på Novo Nordisk Foundation Center for Protein Research på Det Sundhedsvidenskabelige Fakultet på Københavns Universitet, og ifølge ham er der ved at ske et datadrevet paradigmeskifte i den medicinske behandling:

”I stedet for at give samme behandling til alle på et givet område, får læger nu adgang til data, så de bedre kan dele patienterne ind i undergrupper. Det kan f.eks. være gendata, der beskriver variation i de proteiner, lægemidlerne vekselvirker med, og som påvirker lægemidlets effektivitet. Tanken er at undgå bivirkninger, men også at spare penge ved at kunne stoppe uvirksomme behandlinger,” siger Søren Brunak. 

Når man sekventerer, dvs. kortlægger, patienters genomer, kan man sammenligne patienter, der kan tåle én type medicin eller en kombination af stoffer, med patienter, der ikke oplever nogen virkning eller får slemme bivirkninger fra den samme cocktail. Dermed kan man finde de forskelle i genomet, som betyder, at patienterne reagerer forskelligt. Målet er at finde frem til behandlinger, som er kombineret med en genetisk test, så man kun udskriver et medikament til personer, hvis gener gør dem modtagelige over for det. 

Mange sygdomme kan have en arvelig komponent, f.eks. brystkræft eller diabetes, og det er i de tilfælde, at det kan være smart at inddrage geninformation i behandlingen. Det mest kendte eksempel er stoffet Herceptin, der er effektivt over for brystkræft hos kvinder med en bestemt genvariant, men som ikke fungerer for kvinder med en anden variant af det samme gen. Men konceptet er også relevant for sygdomme, der ikke er arvelige, fordi medicinens virkning ofte vil afhænge af visse geners variation, uanset at sygdommen som sådan ikke er arvelig.

Big data giver enkelt svar

Det er vitterligt BIG data, som Søren Brunak arbejder med. Beregningerne foregår på DTU’s supercomputer i Risø, der er udstyret med 16.000 processorkerner, fylder 50 m2 og bruger op mod en megawatt strøm. Lagerpladsen måles i petabytes. Et af de projekter, som computeren er blevet brugt til, er konstruktionen af det danske referencegenom, som blev offentliggjort sidste sommer, og hvor Søren Brunak var en af projektlederne. Det består af en komplet kortlægning af 150 danskeres arvemasse. Referencegenomet kan bl.a. bruges til at lave sammenligninger, der viser, hvordan generne hos syge mennesker adskiller sig fra raske personers. 

Da kortlægningen af det første menneskelige genom blev færdig i 2001, løb den samlede pris op i omkring 20 mia. kr. I dag er prisen for at afkode et komplet genom nede på under 10.000 kr. Derfor kan forskerne i dag kaste sig ud i dyb sekventering, hvor det samme genom kortlægges eksempelvis 80 gange for at undgå fejl. Det menneskelige genom består af ca. tre mia. basepar, og informationerne fylder op mod en terabyte på en computer, alt efter hvad dybden er. 

Næste skridt i udviklingen kan være at måle direkte på de proteiner, som patienten producerer, såkaldt proteomik. Genernes funktion er at kode for produktionen af proteiner i cellerne. Ved at aflæse sammensætningen af proteiner kan man så at sige få et øjebliksbillede af, hvad en persons gener udtrykker netop nu – og dermed kan man få indblik i, om der er problemer med personens proteinproduktion. 

Hver celle producerer 7.000-10.000 forskellige proteiner, og mennesket har omkring 220 forskellige slags celler, så igen er det meget store mængder af data, der skal analyseres. Men til syvende og sidst handler det ikke kun om at få mange data – tværtimod:

”Folk tror tit, at computere genererer information, men faktisk bruger man computere til at smide informationer væk. Du har alle de data, du har målt om en patient, og så vil du bare have et svar ud, der siger, om patienten har lungecancer eller ej. Eller om patienten skal have det her lægemiddel eller ej. Det er i virkeligheden bare én bit, men du har måske terabytes af data til at starte med. Man skal bruge computeren til at smide information væk på en smart måde, så den rigtige bit bliver tilbage,” siger Søren Brunak.

Tre teknologier, der flytter medicinske grænser

Teknologien og videnskaben bag biotek udvikler sig hastigt. I de senere år er det især tre teknologier, der har flyttet grænserne for det mulige.

Crispr-metoden er blevet det nye, superpræcise og effektive redskab til at redigere i gensekvenser.

Epigenetikken, som styrer, hvordan generne i praksis kommer til udtryk, er et relativt nyt forskningsområde, som bl.a. kan føre til sygdomsbehandling, der er tilpasset den enkelte persons gener.

Og så gør big data det muligt at analysere, filtrere og sammenligne enorme mængder information for at finde sammenhænge mellem sygdomme, behandlinger og gener.


Få Mandag Morgens overskrifter direkte i din mail.

Tilmeld dig nyhedsbrevet nu




Få Mandag Morgens overskrifter direkte i din mail.

Tilmeld dig nyhedsbrevet nu