Migrene avslører mer enn hodepine: KI fant et mønster i hele kroppen
Gjennom å bruke en stor mengde med informasjon som ikke handlet om migrene, klarte KI å sette presise diagnoser om nettopp migrene.
Migrene kan være et biologisk mønster som setter spor i hele kroppen, og som kunstig intelligens kan gjenkjenne. Det viser en ny studie fra NTNU.
– Mange feildiagnostiseres med migrene. Det ser ut til at KI kan hjelpe med å sette riktig diagnose, sier Anker Stubberud, lege og hodepineforsker ved NTNU.
Forskerne brukte KI for å analysere store mengder informasjon fra over 43.000 personer fra Helseundersøkelsen i Trøndelag (HUNT).
Studien viser at sykdommen kan gjenkjennes gjennom et komplekst samspill mellom genetikk, kliniske kjennetegn og miljøfaktorer.
– Migrene er et plagsomt helseproblem i hele verden, og gir mye tapt livskvalitet. Det er viktig med presise diagnoser slik at folk kan få best mulig behandling, sier Stubberud.
Stort folkehelseproblem
Halvparten av verdens befolkning sliter med hodepine. Noen av dem har så sterk hodepine at de har migrene.
– At KI kunne identifisere migrene så presist uten å kjenne til selve hodepinen, tyder på at sykdommen setter spor langt utover anfallene, sier Anker Stubberud, lege og hodepineforsker ved NTNU. Foto: Ann-Kristin Haram Maridal/Helse Møre og Romsdal
Migrene kjennetegnes blant annet ved pulserende hodepine, lysskyhet, brekninger, kvalme og økt følsomhet for lyd. Sykdommen rammer cirka femten prosent av den norske befolkningen.
Migrene er den største årsaken til funksjonsnedsettelse hos kvinner under 50 år.
En utfordring med å sette diagnosen er at den kun er basert på symptomer.
– Det finnes ingen blodprøve eller andre biologiske prøver som kan inngå i det diagnostiske arbeidet. Det eneste vi har er hvordan en person beskriver plagene sine. Hvis diagnosen ikke er riktig, så kan også behandlingen bli lite treffsikker. Vi jobber derfor med å utforske om vi kan finne biologiske spor som kan hjelpe for eksempel fastlegene med å sette riktig diagnose, sier Stubberud.
Det er her KI kommer inn.
Kunne skille migrene fra friske personer
Forskerne utviklet først KI som kunne skille personer med migrene fra personer uten hodepine. Det spesielle var at KI ikke fikk tilgang til deltakernes hodepinesymptomer.
I stedet ble det brukt data om for eksempel alder, kjønn og generell helseinformasjon.
– Det ble inkludert informasjon om alt fra forstoppelse til bruk av medisiner og ryggsmerter. Vi tok inn 60 ulike variabler. At KI kunne identifisere migrene så presist uten å kjenne til selve hodepinen, tyder på at sykdommen setter spor langt utover anfallene, sier Stubberud.
Han mener dette kan være et tegn på at migrene har et tydelig biologisk avtrykk som kan fanges opp. Samtidig avdekket studien flere tidligere skjulte undergrupper av migrene.
Fire ulike former for migrene
Ved hjelp av en metode der KI selv leter etter mønstre i dataene, ble det analysert over 12.000 personer med ulike former for hodepine. Analysen identifiserte først to tydelige hovedgrupper.
Den første gruppen besto av 1.425 personer, hvor over 90 prosent fylte kriteriene for migrene.
Den andre gruppen omfattet 10.760 personer. De aller fleste hadde andre typer hodepine som bare delvis passet med migrenekriteriene, men det var også andre typer hodepine.
Dette tyder på at KI klarte å identifisere en egen migreneprofil uavhengig av tradisjonelle diagnosekriterier. Den mest interessante oppdagelsen kom da forskerne gikk dypere inn i gruppen med migrene. Her dukket det opp fire undergrupper med forskjellige kjennetegn:
1. En gruppe med kun menn
Denne undergruppen skilte seg tydelig ut ved at alle deltakerne var menn. Funnet kan tyde på at migrene hos menn har særtrekk som ofte forsvinner når forskere analyserer kvinner og menn samlet.
2. En gruppe med fremtredende nakkesmerter
Personene i denne gruppen rapporterte betydelige nakkesmerter i tillegg til migrene.
Dette kan gi ny innsikt i den velkjente, men fortsatt omdiskuterte sammenhengen mellom nakkesmerter og migrene.
3. En gruppe med mye muskel- og skjelettsmerter, angst og depresjon
Denne undergruppen hadde høyere forekomst av utbredte smerter, psykiske plager og andre helseutfordringer.
Dette kan representere en mer kompleks migrenetype der flere biologiske systemer er involvert samtidig.
4. En gruppe med den klassiske migrenen
Den siste gruppen hadde symptomer som lå nærmere dagens etablerte beskrivelse av migrene med blant annet aura, og uten de markante tilleggsplagene som preget de andre gruppene.
Genene støttet opp under ulikhetene
For å undersøke om undergruppene også var biologisk ulike, sammenlignet forskerne genetiske mønstre mellom gruppene.
Tradisjonelt brukes en innarbeidet risikoscore for å beregne genetisk risiko for sykdom basert på mange små genvarianter. I studien fra NTNU testet forskerne også nyere genetiske risikomodeller som er basert på KI.
Resultatet viste at KI var best til å skille mellom de ulike migrenegruppene.
– Det styrker hypotesen om at migrene ikke er én enkelt sykdom, men snarere et mangfold av ulike biologiske tilstander, sier Stubberud.
Kan åpne opp for mer personlig behandling
Studien antyder at fremtidens diagnostikk kan bli mer datadrevet, som et hjelpemiddel i tillegg til legens kliniske blikk og pasientens beskrivelser.
– Så langt er mye av forskningen på KI i helsearbeid kun basert på tall og statistikk. Det vi og andre har funnet ut med hjelp av KI, må testes ut på pasienter som oppsøker hjelp for hodepine. Denne forskningen mangler. KI-verktøyene er ikke prøvd ut i klinikken, sier Stubberud.
Han understeker at dersom ulike migreneformer faktisk har forskjellige biologiske årsaker, kan dette også få betydning for behandlingen.
– Noen pasienter kan tenkes å respondere bedre på bestemte medisiner eller forebyggende tiltak enn andre, sier Stubberud.
Kilder:
Antonios Danelakis, Håkon Kvisle Abildsnes, Fahim Faisal, Marte-Helene Bjørk, Dominic Giles, Knut Hagen for the International Headache Genetics Consortium, Tjaṧa Kumelj, Manjit Matharu, Parashkev Nachev, Erling Tronvik, Bendik S. Winsvold and Anker Stubberud. Machine Diagnostics and Machine Phenotyping of Migraine
A HUNT Study. Neurology 2026;107:e218076. doi:10.1212/WNL.0000000000218076
Stubberud, A. Artificial intelligence in headache care. Nat Rev Neurol 22, 473–474 (2026). https://doi.org/10.1038/s41582-026-01226-7
