AI-modell förutspår biologisk ålder
Forskarna Mika Gustafsson och Maria Lerm har skapat en AI-modell som gör det möjligt att förutspå den biologiska åldern hos en person. Deras bolag PredictMe är en av parterna i det fokusområdesprojekt för datadriven hälsa, vård och omsorg som East Sweden Medtech är med och driver.
Fokusområdesprojektet för datadriven hälsa, vård och omsorg handlar om att öka kunskapen kring sekundäranvändning och evidensgenerering baserat på befintliga hälsodata. Syftet med projektet är att hitta konkreta vägar framåt när det gäller legala, regulatoriska och organisatoriska frågor kring sekundäranvändning av hälsodata för att utveckla exempelvis digitala informationssystem och beslutsstöd.
PredictMe är ett bolag som verkar inom det området. Enkelt förklarat är idén bakom PredictMe att träna algoritmer på biologiska data som redan finns i publika databaser eller som skapas i forskningsprojekt där data genereras både i vården och i parallella forskningsanalyser. Systemet använder maskininlärning för att identifiera markörer som reglerar gener och som förändras vid olika sjukdomstillstånd eller åldrande. Modellen kan sedan användas för att förutsäga allt från biologisk ålder till olika diagnoser och sjukdomstillstånd.
– Vi börjar med nästan en miljon data som vi beskriver med 128 variabler, och de tillsammans förklarar det mesta man kan förklara med den här typen av data, förklarar Mika Gustafsson. Med dem kan vi sedan förutspå en massa saker, exempelvis en persons biologiska ålder.
– Det finns redan i dag ganska tydliga användningsområden för biologisk ålder, säger Maria Lerm. Ett exempel är när man gör extremt dyra och komplicerade behandlingar. Då kan det vara så att komplikationerna blir för svåra om patienten har en hög biologisk ålder. En annan insikt som har kommit alltmer på senare tid, är att accelererad biologisk ålder kan vara ett tecken på att en patient har fel läkemedel eller en allvarlig oupptäckt sjukdom.
Mika Gustafsson är fysiker i grunden och professor i translationell bioinformatik. Maria Lerm är biolog och professor i medicinsk mikrobiologi. Båda har genom åren inriktat sig på epigenetik i sin forskning och när deras vägar korsades blev det starten för PredictMe.
– Jag och min forskargrupp studerade hur vi kunde hitta bättre metoder för att mäta biologiska data, säger Mika Gustafsson. Vi jobbade bland annat med epigenetik och DNA-metylering, men jag kände att jag som fysiker inte kom hela vägen för att hitta biomarkörer som faktiskt kunde användas i sjukvården.
– För att göra det insåg jag att jag behövde ett företag. Det var bara så vi kunde komma vidare från publikation till kommersialisering och våra kunskaper kunde komma till nytta.
Maria Lerm har sin bakgrund inom biomedicin, och har disputerat inom infektionsmedicin. När hon hittade indikationer på att cellerna och immunförsvaret har ett minne, till skillnad från vad som tidigare var trott, blev hon intresserad av epigenetik inom infektionsområdet.
– Jag och Mika skrev en gemensam publikation där vi kunde förutspå responsen på ett vaccin bara genom att studera en persons DNA, berättar Maria. När pandemin kom, började vi forska på epigenetik kopplat till covid. Vi var ganska unika i det, och fick ett stort forskningsanslag från Hjärt-Lung-fonden som har lett till att vi har börjat jobba ännu närmre.
– Vid sidan om min forskning hade jag insett samma sak som Mika. För att ta forskningen från labbet till praktisk användning behövde jag starta ett företag. Så jag hade egentligen ett företag när Mikas team kom in och vi skapade PredictMe tillsammans.
I dag testas och används PredictMe:s modell i flera olika forskningsstudier och projekt, bland annat Maria Lerms studie PULMO, som undersöker epigenetiska markörer i DNA hos personer med lungsjukdomar och post-covid. De som ingår i studien får lämna tre extra prover förutom de prover som tas inom vården. Analysdata från dessa prover används för att träna algoritmen så den kan förutse vilken lungsjukdom en person har bara genom ett enkelt DNA-prov.
– Det handlar mycket om att vi ska dela med oss av våra erfarenheter som företag och vad det betyder för framtiden om vi kan ta del av patientdata för att utveckla lösningar som kommer patienterna till del, säger Maria Lerm.