Parkinsons sjukdom är idag ett mycket svårdiagnostiserat tillstånd som också utvecklas långsamt. För att kunna ställa rätt diagnos behöver en neurolog utesluta flera möjliga tillstånd som har andra orsaker. Exempelvis kan symtom som förknippas med Parkinsons sjukdom även förekomma vid ett tillstånd som kallas för atypisk Parkinsons sjukdom, en typ av parkinsonism. Utöver det kan även biverkningar av vissa läkemedel misstolkas för Parkinsons sjukdom.

För att bli diagnostiserad med Parkinsons sjukdom görs först kliniska undersökningar. Om de ger osäkra resultat blir nästa steg bilddiagnostik av hjärnan, men även då kan resultaten bli tvetydiga. Det leder i sin tur till ett behov av flera utredningar, vilket innebär stor påfrestning för patienten. Utöver det medför en osäker diagnos även svårighet med att hitta rätt behandling, vilket kan påverka patientens hälsa och livskvalitet.

Därför har ett forskarlag vid Uppsala universitet och Akademiska sjukhuset bedrivit ett gediget arbete mot att utveckla PET-scanning till en mer pålitlig diagnosmetod, bland annat med hjälp av maskininlärning.

Så fungerar PET-scanning
En PET-scan visar hur hjärnans delar fungerar genom att följa ett svagt radioaktivt ämne som binder vid det man vill undersöka. Det som forskarlaget har gjort är att använda ett annat typ av spårämne, PE2I, som ger mycket tydligare bilder än tidigare metoder. Med metoden effektiviseras inte bara diagnostiseringen utan även undersökningen i stort, och det som i vanliga fall kräver minst två undersökningar kan numera göras på ett enda besök.

Det som gör den nya metoden unik är att läkaren får tillgång till bilder som både visar dopamintransportörer och blodflöde, och olika parkinsonismer visar olika mönster när det gäller ändringar i dessa mått. Genom att få en bild av båda kan läkare med större säkerhet identifiera olika typer av parkinsonismer, vilket kan säkerställa att man som patient får en bättre behandling och blir diagnostiserad snabbare.

Mer effektiv diagnostisering av Parkinson med hjälp av maskininlärning
Men den nya metoden är inte allt, forskargruppen har även arbetat med att effektivisera arbetsflödet som kommer efter. PET har länge varit en kraftfull metod för att mäta olika funktioner, men har tidigare varit svårt att använda i stora kvantiteter. En av anledningarna är att det inte funnits enkla sätt att ta fram dessa bilder. För att underlätta den processen har forskargruppen tagit fram en mjukvara som analyserar bilderna automatiskt. Med maskininlärning tränas datorer för att upptäcka tecken på olika sjukdomar i PET-bilder och på så sätt göra diagnostiseringen mer träffsäker såväl som smidigare.

Idag används och provas forskargruppens nya metod på flera olika platser i Sverige och metoden visar redan på 90 procentig noggrannhet i att skilja på tre olika former av parkinsonism. Forskargruppen har som första sjukhus i världen både utvecklat och implementerat metoden i faktisk klinisk verksamhet och hittills har fler än 2000 patienter undersökts.

Samtidigt fortsätter forskargruppen att träna mjukvaran för att göra den ännu mer träffsäker. Exempelvis fick de nyligen etiktillstånd till att retrospektivt gå in i diagnosregistret och journalerna av alla patienter i Uppsala- och Örebroregionen som redan fått PE2I-PET undersökningar, för att se hur det har gått med patienterna på längre sikt. På så sätt kommer de kunna förfina diagnoserna ytterligare.

Genom att få en tidigare diagnos av Parkinson blir inte bara behandlingen och vardagen bättre för patienten, utan tidig upptäckt är även extra viktigt vid utvecklingen av nya behandlingar som kan bromsa sjukdomsförloppet.

Forskningen vid Uppsala universitets Institution för kirurgiska vetenskaper finansieras av bland annat Parkinsonfonden.

Läs mer om projektet på www.parkinsonfonden.se