For første gang er kunstig intelligens brukt til å peke ut hvilke helsesystemgrep som henger sterkest sammen med bedre kreftoverlevelse – land for land. Studien, publisert 13. januar 2026 i Annals of Oncology, gir et skreddersydd veikart for myndigheter. Et nytt nettverktøy viser hvilke investeringer som ser ut til å gi størst effekt.

Maskinlæring avslører mønstre globalt

Dr. Edward Christopher Dee ved Memorial Sloan Kettering Cancer Center i New York og forskerstudent Milit Patel ved University of Texas at Austin ledet arbeidet der kreftdata fra 185 land ble analysert ved hjelp av maskinlæring.

Dataene kom fra Global Cancer Observatory (GLOBOCAN 2022) og ble koblet med omfattende informasjon om helsesystemer fra WHO, Verdensbanken og FN-organisasjoner.

«Kreftutfall varierer enormt globalt, hovedsakelig på grunn av forskjeller i nasjonale helsesystemer. Vi ønsket å skape et handlingsrettet, datadrevet rammeverk som hjelper land med å identifisere de mest virkningsfulle politiske virkemidlene for å redusere kreftdødelighet og lukke ulikhetsgap», forklarer Dr. Dee.

Tre nøkkelfaktorer – men ulike svar land for land

Analysen identifiserer tre faktorer som ofte har sterkest sammenheng med bedre kreftutfall: tilgang til stråleterapi, universell helsedekning og økonomisk styrke. Samtidig varierer hva som betyr mest, betydelig fra land til land.

Hva modellen viser i utvalgte land

• Brasil: Universell helsedekning har den sterkeste positive sammenhengen med forbedret overlevelse. Modellen antyder at landet kan oppnå størst gevinst ved å prioritere utvidelse av helsedekningen.
• Polen: Tilgjengelighet av stråleterapi, BNP per innbygger og universell helsedekning fremstår som mest innflytelsesrike. Dette tyder på at nylig innsats for å utvide helseforsikring og tilgang til behandling har gitt sterkere forbedringer enn generelle helsebudsjetter.
• Japan: Et bredt mønster der nesten alle helsesystemfaktorer er knyttet til bedre utfall; tettheten av stråleterapisentre skiller seg mest ut.
• USA og Storbritannia: Et bredt positivt mønster, men BNP per innbygger har størst innflytelse.
• Kina: Høyere BNP per innbygger, bredere universell helsedekning og større tilgang til stråleterapisentre bidrar mest til forbedrede resultater. Forskerne påpeker at «høye direkte kostnader for pasientene» fortsatt er en kritisk barriere, selv med nasjonale forbedringer i helsefinansiering og tilgang.

Interaktivt verktøy for beslutningstakere

Forskerne har laget et nettverktøy der brukere kan velge land og se hvordan faktorer som nasjonal rikdom, stråleterapi og universell helsedekning relaterer seg til kreftutfall. Verktøyet bruker grønne og røde stolper for å vise hvilke områder som for øyeblikket er mest positivt assosiert med gode resultater.

«Utover bare å beskrive ulikheter, gir tilnærmingen vår handlingsrettede, datadrevne veikart for beslutningstakere, som viser nøyaktig hvilke helsesysteminvesteringer som er forbundet med størst effekt for hvert land», sier Patel.

Han understreker at røde stolper ikke betyr at disse områdene er uviktige, men at de ifølge modellen og tilgjengelige data er mindre sannsynlige til å forklare de største forskjellene i utfall akkurat nå.

Begrensninger forskerne selv peker på

• Analysen bygger på nasjonale data, ikke individuelle pasientjournaler.
• Datakvalitet varierer, spesielt i lavinntektsland.
• Nasjonale trender kan skjule ulikheter innad i land.
• Studien kan ikke bevise årsakssammenheng, kun påvise assosiasjoner.

Til tross for begrensninger peker forskerne på at funnene gir et nyttig verktøy for å prioritere innsats. «Etter hvert som den globale kreftbyrden vokser, hjelper denne modellen land med å maksimere effekten med begrensede ressurser. Den gjør komplekse data om til forståelige, handlingsrettede råd for beslutningstakere, og gjør presisjonsfolkehelse mulig», avslutter Dr. Dee.

Kilder: ScienceDaily, European Society for Medical Oncology, University of Texas at Austin, Annals of Oncology