AI og proteiner i fælles front mod en af de hårdeste kræftformer
Kan kunstig intelligens lære at spotte tegn på bugspytkirtelkræft før vi andre når at finde kaffekoppen? Det er ambitionen i TIP-PDAC, et nyt forskningsprojekt, der kobler AI med avanceret proteinkortlægning for at opdage sygdommen tidligere og skræddersy behandlingen mere præcist.
- AI og proteiner i fælles front mod en af de hårdeste kræftformer
- 19,7 mio. grunde til at tro på gennembrud
- Hvorfor netop bugspytkirtelkræft?
- Fra datasump til klinisk beslutning
- Det danske edge: præcision, tempo og transparens
- Hvad betyder det for patienter?
- AI med begge ben på jorden (og et strejf af humor)
19,7 mio. grunde til at tro på gennembrud
Innovationsfonden investerer 19,7 millioner kroner i projektet, der ledes af Resolute Bio (tidligere OmicVision) i København. Målet er at udvikle algoritmer, der kan genkende karakteristiske proteinstier og biomarkører i væv og blod – signaler, der ofte er usynlige for det menneskelige øje, men ikke for en veltrænet AI.
Hvorfor netop bugspytkirtelkræft?
Bugspytkirtelkræft er notorisk svær at opdage tidligt, og når den endelig bliver fanget, er den ofte langt fremme. Ved at kombinere dyblæring med massivt detaljerede proteinprofiler vil TIP-PDAC forsøge at afsløre sygdommens “fingeraftryk” på et langt tidligere tidspunkt – og skelne mellem patienter, så behandlingen rammer mere præcist og med færre bivirkninger.
Fra datasump til klinisk beslutning
Proteomik genererer data i megabyter per minut, men data er kun guld, hvis de kan omsættes til handling. Projektets AI skal ikke blot finde mønstre – den skal prioritere de mest robuste biomarkører, bygge forklarlige modeller og levere klare svar til klinikere: Hvem bør screenes tættere? Hvem responderer sandsynligvis på hvilken behandling? Og hvornår bør man skifte strategi?
Det danske edge: præcision, tempo og transparens
Med base i København satser Resolute Bio på at balancere høj præcision med forklarlighed – fordi black box-modeller er lige så nyttige i klinikken som en manual på klingon. Fokus er på metoder, der kan integreres i eksisterende arbejdsgange, så vejen fra laboratoriet til hospitalet bliver kortere end normalt.
Hvad betyder det for patienter?
Hvis projektet lykkes, kan det bane vej for tidligere opdagelse, bedre risikostratificering og mere målrettet behandling. For patienten kan det betyde hurtigere svar, færre unødige indgreb og større chance for, at første behandlingsvalg rammer rigtigt. For sundhedsvæsenet kan det betyde smartere brug af ressourcer – og potentielt liv reddet i den dyre ende af kræftspektret.
AI med begge ben på jorden (og et strejf af humor)
Der er intet tryllestøv her – kun hårdt dataarbejde, klinisk validering og en lille smule programmeringsmagi. TIP-PDAC sigter mod at gøre AI til den kollega, der altid er på forkant, aldrig glemmer en proteinkæde – og kun drikker digital kaffe.
