AI rykker tættere på sclerosebehandlingen: "Det er noget, som virkelig vil kunne gøre en forskel"

Arman Eshaghi er begejstret. På sit kontor i den britiske hovedstad har doktoren i medicin fra University College London fingrene i nogle af de mest lovende AI-hjælpemidler, der for tiden bliver udviklet og testet til behandling af sclerose. Og forskningsverdenen har bemærket ham. Han og hans team offentliggjorde i 2025 et studie, hvor en AI-model havde bidraget til en analyse af blodprøver og MR-scanninger fra hundredvis af mennesker med sclerose. Resultatet var fundet af to nye biologiske undertyper af sclerose. Fund, der skabte overskrifter i sundhedsvidenskabelige medier og høstede anerkendende ord fra kollegaer – ikke mindst på grund af metoden.

“Inden for forskning har AI allerede haft stor betydning for, hvordan vi har forfinet vores forståelse af scleroses komplekse natur. I fremtiden vil AI kunne give nyt liv til de enorme mængder data, der findes på hospitalerne,” siger den britiske forsker. Og han står ikke alene med den vision. For selv om brugen af AI-værktøjer på verdens scleroseklinikker lige nu er begrænset, ændrer det sig i disse år.

“Kliniske støtteværktøjer baseret på AI – som kan hjælpe de mennesker, der lever med sclerose, ogneurologer og radiologer med at træffe beslutninger om behandling – er sandsynligvis det område, hvor vi vil se den største udvikling i løbet af det næste årti,” spår Arman Eshaghi.

I fremtiden vil AI kunne give nyt liv til de enorme mængder data, der findes på hospitalerne

Scleroseforsker Arman Eshaghi, University College London

Algoritmer på hospitalerne

På danske hospitaler kan diskussionen om AI ikke længere koges ned til de skeptiske sat over for de progressive. En række AI-værktøjer til behandling af sclerose er i gang med at blive udviklet. Et af de steder, hvor det sker, er på Rigshospitalets klinik i Glostrup, der varetager omkring 3.500 danskeres sclerosebehandling. Her har radiologer i årevis foretaget MR-scanninger på mennesker, der lever med sclerose. På traditionel vis bladrer de scanningsbillederne grundigt igennem og sammenligner dem med billeder fra patientens seneste scanning. De leder efter plaks – læsionerne i centralnervesystemet, der opstår ved sclerose.

“Ved en MR-scanning i dag bliver der ikke beskrevet noget om, hvorvidt de nye plaks ændres over tid, og heller ikke noget om dem, der allerede findes. Øges eller svinder volumen af plaks? Og hvad med hjernens volumen i det hele taget?” siger neurolog Morten Blinkenberg fra Dansk Multipel Sclerose Center på Rigshospitalet.

I princippet kan radiologer godt foretage de vurderinger. Men det tager tid og kan ikke umiddelbart måles, eller ”kvantificeres”, som Morten Blinkenberg kalder det.

“I praksis betyder det, at du ikke kan se, hvordan sygdommen udvikler sig over mange år,” siger han. Men det kan algoritmerne til gengæld. Både hurtigere og grundigere end det menneskelige øje. Det er allerede blevet testet på hospitalet i Glostrup, og et forskningsprojekt viste, at AI’en kunne støtte fagfolkene. Indtil videre har de ikke overladt det helt til maskinerne. Men Region Hovedstaden har meldt ud, at der vil blive implementeret en algoritme på klinikken i Glostrup.

“Der er private teknologiudbydere, som sælger det her. Der er forskningsafdelinger, der udvikler det, og vi arbejder sammen med Hvidovre Hospital om at udvikle det yderligere. Internationalt er der også en stor interesse,” siger Morten Blinkenberg.

Præcisionsmedicin

I udlandet bruges kunstig intelligens i stor stil inden for sundhed – for eksempel til at hjælpe med at diagnosticere depression. Og uden for scleroseområdet er AI-værktøjer implementeret i Danmark. I Region Hovedstaden bliver AI brugt til at screene for brystkræft. På hospitalerne i Hobro og Hjørring er det kunstig intelligens, der er med til at vurdere, om der er et brud på din arm.

Det er tre år siden, at daværende sundhedsminister Sophie Løhde skrev på det sociale medie X, at vi skal “bruge AI og andre digitale løsninger til at styrke udredningen og behandlingen af patienter”. Der er stadig overvejende politisk opbakning til, at AI får plads inden for fremtidens sundhed. For sclerose har det især betydning i forhold til analysenaf omfangsrige datasæt. På sigt kan det forandre behandlingen for det enkelte menneske, der lever med sclerose. AI-modeller, der kan fodres med alt fra information om biomarkører til MR-scanningsbilleder, kan give et mere nuanceret billede af sygdommen. Det åbner op for såkaldt personlig medicin – også kaldet præcisionsmedicin.

Og det er netop et mål for Arman Eshaghi, der i sit studie påviste to nye biologiske subtyper af sclerose.

“Patienter med bestemte biomarkørprofiler, der er identificeret ved hjælp af AI, kan for eksempel i fremtiden få behandlinger, der beskytter nerverne eller modvirker demyelinisering. Andre patienter med en inflammatorisk type vil måske få stærkere antiinflammatoriske behandlinger. Alt i alt betyder det, at vi vil bevæge os fra en historisk symptom-baseret klassificering og behandling af MS mod mere personaliseret medicin, der er tilpasset den enkelte patients biologi og de sygdomsmekanismer, der er aktive hos patienten,” siger den britiske forsker, som bliver bakket op af sin danske kollega.

Fremadrettet kan vi med en større viden om sygdommen bedre udvikle målrettet behandling, mener overlæge Morten Blinkenberg.

“Det er noget, som virkelig vil kunne gøre en forskel og, som kan komme det enkelte individ, der lever med sclerose, til gode,” siger han.

Jeg tror ikke, at det her betyder, at fagfolk ikke skal sidde med, når der skal træffes beslutninger. Tværtimod

Seniorforsker Lars Hvid, Sclerosehospitalet i Ry

Din personlige AI-træner

AI er ikke kun et værktøj for forskerne eller radiologerne ved MR-scanneren. De intelligente maskiner indtager også arenaen for rehabilitering, der samler fysioterapeuter, ergoterapeuter og neuropsykologer. På Sclerosehospitalerne i Ry og Haslev er et forskningsprojekt i gang, hvor mennesker med MS træner med hjælp fra en såkaldt telerehabiliteringsplatform. Her bliver deres balance-, koordinations- og styrketræningsøvelser fulgt af en AI-assistent, som ser med via en smartphone, en tablet eller computer.

“Programmet kan observere patienten lave øvelserne. Og så guider det patienten til, hvad patienten skal gøre. Det kaldes AI-understøttet feedback. Og der ligger et stort potentiale her,” forklarer Lars Hvid, der er seniorforsker på Sclerosehospitalet i Ry.

Han understreger, at sådan en teknologi dog ikke er tænkt som en erstatning for fysioterapeuter.

“Hvis du har sclerose og skal i fysisk rehabilitering, så skal du nok stadig lave meget af din træning superviseret sammen med en fysioterapeut. Den anden del kan du dog lave selv – med en grundig instruktion til den her teknologi,” siger han.

AI-assistenten har da også, i lighed med de større sprogmodeller Gemini og ChatGPT, vist sig at lave fejl. Den havde eksempelvis svært ved at begribe, at det ikke er alle mennesker, der har fuld bevægelighed i deres arme eller ben.

“Altså det der med at forstå, at hvis folk har nogle fysiske begrænsninger, så er det ud fra de forudsætninger, de skal lave deres øvelser,” siger Lars Hvid.

En digital tvilling

Han ser et potentiale for AI, der rækker videre end fysisk træning. Lars Hvid fremhæver et koncept kaldet ‘digital twin’. Det går ud på at skabe en digital tvilling til en patient, og så – med udgangspunkt i data – give tvillingen en behandling og analysere resultaterne. På Sclerosehospitalerne indsamles løbende en masse data om de mennesker, der bliver indlagt. Der er en klar mulighed i at bruge dataen i et beslutningsværktøj, der kan foreslå rehabiliteringsforløb til de indlagte.

“Jeg tror ikke, at det her betyder, at fagfolk ikke skal sidde med, når der skal træffes beslutninger. Tværtimod. Men muligheden ligger i, at de kan bruge deres tid på noget andet. Det er et støtteværktøj,” siger Lars Hvid.

Man skal tænke det meget mere som et værktøj. Og det kræver jo tit, at man kan finde ud af at bruge et værktøj, før det har en god funktion

Seniorforsker Frederik Elberling, Rigshospitalet

Bedre patientvurdering

På Rigshospitalets afdeling i Glostrup sidder ph.d. og seniorforsker Frederik Elberling. I efteråret gik han i gang med at udvikle et værktøj, der i stedet for at kvalificere rehabilitering skal forudse MS-forløb. Elberlings projekt er en AI-model, der viser, hvilke danskere med sclerose i højeffektiv behandling, der vil få en infektion. Højeffektive behandlinger har en større immundæmpende effekt end andre behandlinger, og derfor stiger risikoen for at få en infektion. Målet er, at en læge kan bruge modellen i sin løbende vurdering af patienten.

Frederik Elberling trænede sin computermodel på data fra de danskere, hvis informationer findes i anonymiseret form i Det Danske Scleroseregister og andre danske registre. Det gælder variabler som køn, alder, antal attakker, tidligere infektioner og øvrige diagnoser. Ved at finde mønstre i data lærte modellen at beregne sandsynligheden for, at en patient ville få en infektion.

“Vi kunne lave tre kategorier med patienter – alt efter om der var en lav, en moderat eller en høj risiko for, at de ville få en infektion,” forklarer han.

Frederik Elberling håber, at det bliver et værktøj for neurologer til at vurdere deres patienter, når helbredet ændrer sig. Det kan være i forbindelse med infektioner, men også ved et attak eller en diabetes-diagnose. I forhold til styring af sundhedsomkostninger kunne værktøjet inddele patienter i grupper, alt efter hvor ofte en læge bør se dem.

“Der er måske nogle, der er superskeptiske og tænker: “Åh nej, betyder det så, at det fremover bare er en model eller en Data fra Det Danske Scleroseregister danner grundlag for en AI-model, der kan beregne sandsynligheden for infektion blandt danskere med MS. maskine, der skal forudsige, hvilken behandling jeg skal have, og så kommer jeg aldrig til at møde min neurolog igen?” Men det er ikke tilfældet, ” lyder det fra Frederik Elberling.

Han hverken frygter eller håber, at AI kan løse alting for os.

“Jeg synes, man skal tænke det meget mere som et værktøj. Og det kræver jo tit, at man kan finde ud af at bruge et værktøj, før det har en god funktion,” siger han.