Ny avhandling om att förbättra möjligheterna till tidig upptäckt av cancer

– Min avhandling handlar om att förbättra tidig upptäckt av cancer genom att analysera symtom och tecken med hjälp av innovativa metoder, såsom maskininlärning. Studierna undersöker hur data från primärvården och specialistvården kan användas för att utveckla verktyg som stödjer allmänläkare i att identifiera patienter med hög risk för cancer, säger Elinor Nemlander, doktorand vid institutionen för neurobiologi, vårdvetenskap och samhälle.

Vilka är de viktigaste resultaten?

– De viktigaste resultaten visar att maskininlärningsmodeller kan användas för att förutse lungcancer baserat på symtomenkäter och kolorektalcancer med hjälp av kodade diagnosdata och symtomkoder. Dessutom visar analyser att nytillkommen blodbrist är starkt kopplad till en ökad risk för cancer och dödlighet inom 18 månader. Detta gör nytillkommen blodbrist till en viktig varningssignal i primärvården.

Hur kan den kunskapen komma människor till nytta/bidra till att förbättra människors hälsa?

– Avhandlingens resultat kan bidra till utveckling av kliniska riskvärderingsverktyg för att identifiera patienter med hög risk för cancer tidigare, vilket kan leda till snabbare utredningar och förbättrad behandling. Genom att använda maskininlärning och redan tillgängliga vårddata kan vården effektiviseras och onödiga undersökningar minskas, vilket gynnar både patienter och hälso- och sjukvården.

Vad ska du göra nu? Kommer du fortsätta att forska?

– Jag planerar att fortsätta forska inom tidig cancerdiagnostik och bygga vidare på resultaten från min avhandling. Målet är att utveckla nya verktyg som kan integreras i primärvårdens befintliga system. I framtiden hoppas jag att sådana verktyg kan minska fördröjda diagnoser, förbättra patientprognoser och effektivisera vårdens prioritering av resurser.