Det betyder, at det i fremtiden vil være langt mindre ressourcekrævende at finde recidivrater (tilbagefaldsrater), fordi det med algoritmen er muligt at automatisere informationerne. Det forklarer en af studiets forfattere Jesper Berg Nors, der er ph.d.-studerende på Molekylær Medicinsk Afdeling, Aarhus Universitetshospital.
“Algoritmen gør, at vi kan dykke ned i vores sundhedsregistre og finde de patienter, der har fået tilbagefald. Det er et fremskridt i forhold til nuværende praksis, og på sigt gør datamængden, at vi i højere grad og på nemmere vis kan forske i tilbagefalds data,” siger han.
I det nye studie var den samlede treårige tilbagefaldsrate på 20 procent, og forskellen i tiden til tilbagefald (TTR) mellem algoritmen og journalgennemgang var i gennemsnit 8 dage.
Algoritmen er baseret på data fra 1.129 patienter opereret for tarmkræft i perioden 2012-2017 registreret i Kolorektal-cancer-biobanken på Molekylær Medicinsk Afdeling, Aarhus Universitetshospital. Data på individniveau blev koblet sammen med data fra andre registre, og recidiv (tilbagefald) blev identificeret efter diagnosekoder for lokalt tilbagefald eller metastaser, kemoterapi-behandling eller en patologisk vævsvurderingskode.
Algoritmen blev oprindeligt designet af Klinisk Epidemiologisk Afdeling på Aarhus Universitetshospital i 2015 og er nu blevet videreudviklet og testet for at se, om den har lige så høj specificitet på nyere data.
Ikke som i dag
En mere automatiseret registrering og tilgang er ifølge Jesper Berg Nors tiltrængt, da praksis i dag er langt mere manuel, hvor recidiv af tarmkræft ikke registreres rutinemæssigt i de danske registre, men skal identificeres ved manuel journalgennemgang.
“Algoritmen gør det langt lettere, så vi på den måde kan identificere patienterne i stedet for, at vi skal gå tilbage og kigge i journalerne, som er meget ressourcekrævende,” siger han.
Koden vil kunne automatiseres til eksempelvis DCCG-databasen, hvor recidivraterne vil kunne indgå som et nyt kvalitetsparameter, peger Jesper Berg Nors på. Og det giver særligt god mening, da overlevelsen for nogle tyktarmskræft-patienter i dag er så høj, at recidiv eller restsygdom i højere grad vil være et godt kvalitetsparameter at kigge på, mener han.
Større indsigt i behandlinger
Algoritmen vil være særlig brugbar i forskning, da en automatiseret tilgang til recidivrater vil kunne anvendes som indikator på, om de nuværende behandlinger og strategier virker og er tilstrækkelige. Det peger Claus Lindbjerg Andersen på, der er professor og gruppeleder på Molekylær Medicinsk Afdeling (MOMA) ved Aarhus Universitet, og som har været vejleder på studiet.
“Det giver os et indblik i, hvad kvaliteten af behandlingerne og vores strategier er, når vi på registerbasis kan følge udviklingen i recidivraterne over tid. Så selvom algoritmen ikke har den største betydning for den daglige kliniske praksis, så har det stor betydning, at vi automatisk via registerdata kan udtrække recidiv information på alle danske kolorektal cancer patienter,” siger han.
Virker også til andre kræftformer
Data vil ifølge Claus Lindbjerg Andersen også retrospektivt kunne anvendes til at risikostratificere patienterne ved at forskere får en større indsigt i, om der er undergrupper af patienter, der har større risiko for at få recidiv. På sigt vil det potentielt kunne betyde en differentieret opfølgning, hvor behandlingen er afhængig af risikoprofilen, forklarer Claus Lindbjerg Andersen.
Og det gælder ikke kun inden for tarmkræft, men også til en lang række andre kræftformer, lyder det.
“Algoritmen er ikke speciel for kolorektalcancer, men kan også anvendes til andre kræftformer. Der er allerede et større arbejde i gang med at etablere lignende algoritmer indenfor andre kræftsygdomme” siger han og fortsætter:
“Man kan forestille sig, at algoritmerne på sigt integreres i RKKP’s kliniske kvalitetsdatabaser (regionernes kliniske kvalitetsudviklingsprogram, red.). Det vil gøre det nemt og billigt for alle at få adgang til recidivdata, og man vil kunne monitorere udviklingen i recidivrisikoen, som en ny indikator for behandlingskvalitet.”
Algoritmen har dog også svagheder; den kan blandt andet ikke skelne mellem recidiver fra forskellige kræftformer, hvorfor den i dag ikke anvendes på patienter med mere end en type kræft, ej heller på patienter der tidligere har haft kræft.
