den 28 april 2025
Ny AI-modell förbättrar diagnostiken vid MS
För att kunna ge rätt behandling vid MS är det viktigt att veta när sjukdomen övergår från skovvis till sekundärprogressiv form, en övergång som idag identifieras i genomsnitt tre år för sent. Forskare vid Uppsala universitet har nu tagit fram en AI-modell som med 90 procents säkerhet kan avgöra vilken variant patienten har. Modellen ökar möjligheten att sätta in rätt behandling i tid och därmed bromsa sjukdomsförloppet.
Kim Kultima
Forskare. Foto: Uppsala universitet.
Multipel skleros, MS, är en kronisk, inflammatorisk sjukdom i centrala nervsystemet. I Sverige finns det cirka 22 000 personer som lever med MS. De flesta patienter börjar med den skovvisa formen (RRMS), som kännetecknas av episoder av försämring med mellanliggande perioder av stabilitet.
Med tiden övergår många till sekundärprogressiv MS (SPMS), där försämringen istället sker gradvis och utan tydliga skov. Att identifiera denna övergång är viktig eftersom behandlingarna skiljer sig mellan de två olika formerna av MS. Idag ställs diagnosen i genomsnitt tre år efter att övergången skett, vilket kan leda till att patienter får läkemedel som inte längre är effektiva.
Baserad på svensk MS-data
Den nya AI-modellen sammanfattar kliniska data från över 22 000 patienter i det svenska MS-registret. Modellen bygger på data som redan samlas in vid vanliga vårdbesök, som neurologiska testare, magnetkameraundersökningar (MRI) och pågående behandlingar.
− Genom att känna igen mönster från tidigare patienter kan modeller avgöra om en patient har den skovvisa formen eller om sjukdomen har övergått till sekundärprogressiv MS. Det som är unikt för modeller är att den även anger hur säker den är på varje enskild bedömning. Detta innebär att läkaren får veta hur hög tillförlitligheten är och hur säker AI:n är på sin bedömning, säger Kim Kultima, forskare vid Institutionen för medicinska vetenskaper, Uppsala universitet som lät studera.
Träffsäkerhet på 90 procent
Jag studerade, som nu publicerats i tidskriften Digital Medicine, identifierade modeller övergången till sekundärprogressiv MS korrekt eller tidigare än vad som dokumenterats i patientjournalen i nästan 87 procent av fallen, med en generell mötessäkerhet på cirka 90 procent.
– För patienterna innebär det att diagnosen kan ställas tidigare, vilket gör det möjligt att anpassa behandlingen i tid och bromsa sjukdomens utveckling. Samtidigt minskar risken för att patienter får läkemedel som inte längre är verksamma. På sikt kan modeller också användas för att identifiera lämpliga deltagare till kliniska studier – något som kan bidra till mer effektiva och individuella behandlingsmetoder, säger Kim Kultima.
En öppen, anonymiserad version av modeller finns nu tillgänglig för forskare via webbtjänsten: https://msp-tracker.serve.scilifelab.se
Artikel: Sreenivasan, A.P., Vaivade, A., Noui, Y. et al. Conformal prediction enables disease course prediction and allows individualized diagnostic uncertainty in multiple sclerosis. npj Digit. Med. 8, 224 (2025). DOI: 10.1038/s41746-025-01616-z
Källa: Uppsala universitet.
Annonser
