MARK ALBEEK: Utveckling av riskprediktionsverktyg för tidig upptäckt av lungcancer

Projektbeskrivning

Bakgrund
Lungcancer utgör den främsta orsaken till cancerrelaterade död både globalt och i Sverige, främst på grund av den ofta sena diagnosen. En växande andel av dessa fall identifieras bland icke-rökare, särskilt kvinnor. Tidig upptäckt är avgörande för att förbättra prognosen, vilket gör att primärvården är essentiell för att känna igen de initiala symptomen. Emellertid är de tidiga symptomen på lungcancer ospecifika och vanliga även bland patienter utan sjukdomen, vilket försvårar för allmänläkare att identifiera individer med förhöjd risk att ha lungcancer. En djupare förståelse för mönster och interaktioner mellan olika pre-diagnostiska symptom är därför nödvändig.

Syfte
Syftet med projektet är att förbättra strategier för tidig upptäckt av lungcancer i primärvården genom att utveckla och utvärdera riskprediktionsmodeller. Detta planeras genom ett flerfasigt tillvägagångssätt som involverar ett interaktivt elektroniskt frågeformulär. Vi avser även att undersöka frågeformulärets förmåga att förutsäga förekomsten av lungcancer hos personer med olika rökstatus, inkluderande både patienter med misstänkt lungcancer och befolkningskontroller. Det övergripande målet är att skapa en grund för utveckling av evidensbaserade riskprediktionsverktyg som kan stödja allmänläkares arbete med tidig upptäckt av lungcancer.

Metod
Projektet är strukturerat i tre faser.

• Fas I: Kvalitativ studie med "think-aloud"-metodik för att utvärdera tydligheten och användbarheten av frågeformuläret.
• Fas II: Genomförbarhetsstudie för att bedöma inklusionsprocessen och praktiska utmaningar vid genomförandet av en multicenter fall-kontrollstudie.
• Fas III: Multicenter fall-kontrollstudie med användning av frågeformuläret, där maskininlärning används för att analysera insamlade data och identifiera prediktiva symptom-mönster, stratifierade efter rökstatus.

Frågeformuläret samlar omfattande data om symptom och hälsorelaterade förändringar. Det förväntas kunna fånga skillnader i symptompresentation mellan individer med förhöjd och icke-förhöjd risk att ha lungcancer.
Projektet kommer även att undersöka om integrering av samsjuklighetsinformation (såsom kroniska diagnoser), besöksfrekvens och luftföroreningsdata från bostadsområdet kan förbättra verktygens prediktiva förmåga. Vidare kommer hemblodprovtagning via blodkort att implementeras för att analysera biomarkörer för lungcancer, för att undersöka om dessa biomarkörer kan förbättra verktygets förmåga att identifiera individer med förhöjd risk för sjukdomen.