LiverTrail

Mål

Dette ph.d.-projekt havde til formål at udvikle og validere et beslutningshjælpemiddel til brug i det primære sundhedsvæsen til at vurdere risikoen for fremskreden fibrose hos patienter med alkoholisk og ikke-alkoholisk fedtleversygdom. Beslutningshjælpen – LiverTRAIL – var algoritmebaseret og kombinerede resultater fra rutinemæssige leverblodprøver til flere diagnostiske algoritmer, og udnyttede dermed beregningskraft til storskala dataaggregering og mønstergenkendelse.

Målet var, at LiverTRAIL kunne transformere viden fra originale forskningsdata til et rationelt beslutningsværktøj for den praktiserende læge.

LiverTRAIL søgte at forene tre hovedudfordringer inden for studiet af fedtleversygdom:

1. At identificere patienter med svær fibrose på grund af ALD og NAFLD (rule-in).
2. At udelukke patienter med ALD og NAFLD med meget lav risiko for fremskreden fibrose fra yderligere diagnostiske undersøgelser (udelukkelse).
3. At monitorere patienter med høj og moderat risiko for fremskreden fibrose for sygdomsprogression og fibroseforbedring, f.eks. under anti-fibrotisk behandling.

Projektet havde en hypotese om, at det gennem implementering af LiverTRAIL i primærsektoren ville være muligt at opnå tidlig opsporing af patienter med asymptomatisk, tidligt stadie af svær fibrose og cirrose.

Partnere

• FLASH – Centre for Liver Research, OUH
• Professor Esmaeil S. Nadimi, Applied AI and Data Science, Mærsk Mc-Kinney Møller Instituttet, Det Tekniske Fakultet, SDU

Ekstern finansiering

Projektet blev finansieret af Innovationsfonden Danmark.

Læs mere om de første resultater fra projektet i artiklen "Artificial intelligence outperforms standard blood-based scores in identifying liver fibrosis patients in primary care". Artiklen blev publiceret i Scientific Reports, en del af Nature Portfolio.