Banebrydende ny teknologi lige om hjørnet
Et enkelt fingerprik og »big data« forbedrer diagnostik og giver ny form for patientstratificering. NNF Center for Protein Reseach har påbegyndt stort program.
Et enkelt fingerprik og »big data« forbedrer diagnostik og giver ny form for patientstratificering. NNF Center for Protein Reseach har påbegyndt stort program.
Et af de vigtigste elementer i medicinen er diagnostikken. Ud over objektiv undersøgelse og gennemgang af patientens journal er blodprøver et universelt værktøj i diagnostikken, og også til klinisk forskning, da både koncentrationen og ændringer af blodets proteiner afspejler vores sundhed og sygdom. Som eksempel benytter diabetologen glykeret hæmoglobin (HbA1c) til at følge sygdomsprogressionen, og patienter, hvor man har mistanke om bakteriel infektion eller inflammatorisk sygdom, vurderes ud fra koncentrationen af inflammatoriske proteiner i blodet, såsom C-reaktivt protein (CRP).
Men hvad med de andre tusinder af proteiner – det såkaldte plasmaproteom? Kan vi lære meget mere om en patient, hvis vi kunne måle alle disse på en præcis og hurtig måde?
Præcise hurtige målinger
Det viser sig, at en sådan teknologi faktisk nu er lige om hjørnet. Teknologiske fremskridt inden for massespektrometribaseret proteinanalyse har muliggjort, at vi nu meget præcist og hurtigt (inden for 20 minutter) kan måle og vurdere hundredvis af proteiner i blodet, herunder CRP og alle apolipoproteiner [1]. På dette grundlag har Novo Nordisk Fonden afsat 60 millioner kroner med det ambitiøse mål at udvikle denne teknologi til brug i klinikken. Denne store donation vil finansiere et nyetableret program »Clinical proteomics« på NNF Center for Protein Research ved det Sundhedsvidenskabelige Fakultet i København, og den officielle indvielse blev fejret den 14. april. På Center for Protein Research vil vi videreudvikle denne teknologi, som vil muliggøre nøjagtig kvantificering af mere end 1.000 proteiner fra blot et enkelt fingerprik. Denne metode eller platform vil være automatiseret og have en høj effektivitet tidsmæssigt (high-throughput), hvilket muliggør undersøgelser af plasmaproteomet i nye såvel som allerede udførte kliniske studier. Vores primære fokus vil være på metabolisk sundhed, men da platformen er generisk, vil den kunne bruges inden for adskillige andre sygdomsområder.
Komplekse data
Alle ved, at lægernes tid i stigende grad er begrænset, og derfor kan yderligere laboratoriesvar måske virke udfordrende. Diabetes for eksempel er en kompleks metabolisk tilstand med varierende grader af insulinresistens og tab af insulinsekretion. Den ideelle behandling af medborgeren med diabetes ville balancere mellem fysiologiske faktorer samt sociale/psykologiske og biologiske profiler af patienten. Denne »personlige« tilgang til diabetesbehandling kunne i høj grad forbedre selve behandlingen, komplians og prognoser ved at forhindre senkomplikationer.
Så hvordan ville læger og patienterne håndtere denne nye strøm af yderligere og endnu mere komplekse data? Heldigvis er hjælpen på vej. Udviklingen af »big data management« og »machine learning« i de seneste år kan nu kombineres med bioinformatik og patientjournal-»data mining« for tusindvis af patienter, hvilket muliggør analyse af sygdomsmønstre. Faktisk har vi for nylig påvist, at patientjournalerne for hele den danske befolkning kan blive »data mined« og afsløre nye sygdomsmønstre og deres udvikling [2].
Vores drøm
Vi ønsker at kombinere »plasma proteomics« med ovenstående fremskridt af »systems medicine« for at forstå, diagnosticere og i sidste ende give en mere effektiv behandling til vores patienter. Vores udgangspunkt er, at plasmaproteomprofiler viser et øjebliksbillede af vores metabolske sundhed, og at noget så simpelt som et fingerprik kan hjælpe læger i beslutningen om at indlede, forlænge eller ændre behandling af patienterne. Med andre ord kan inddelingen af patienter ud fra deres plasmaproteom og i kombination med avanceret analyse af patientdata føre os i retning mod forbedret diagnostik og behandling. Vores drøm er at kombinationen med klinisk proteomics og »systems medicine« ved hjælp af »big data« og »data mining« kunne blive en »game changer« i klinisk diagnostik og måske give et solidt fundament for stratificeret medicin, der betjener og hjælper klinikere, forskere og vigtigst af alt fremtidens patienter.
Geyer PE, Kulak NA, Pichler G et al. Plasma proteome profiling to assess human health and disease. Cell Systems. 2016;2:185-95.
Jensen AB, Moseley PL, Oprea TI et al. Temporal disease trajectories condensed from population-wide registry data covering 6.2 million patients. Nat Commun 2014;5:4022.