Kan 300 år gammel teori peke ut en ny metodevei?

Kronikk: Hans Olav Melberg, professor ved Institutt for samfunnsmedisin, Universitetet i Tromsø (UiT) og forsker ved Oslo universitetssykehus (OUS)

OM DET IKKE har stormet, har det i alle fall vært lett bris rundt Nye Metoder i det siste. Dette er ikke uventet, gitt at mange har sterke interesser når myndighetene skal bestemme om et nytt legemiddel skal betales av det offentlige. Beslutningene berører mange budsjetter, bedrifter og – viktigst – pasienter.

Stort sett fungerer systemet bra i den forstand at de fleste sakene blir avgjort relativt raskt og riktig, mens noen beslutninger kan ta lang tid. Spørsmålet er om det er mulig å forbedre systemet på en måte som alle kan tjene på.

Noe av problemet er uunngåelig. Myndighetene må prioritere i et begrenset budsjett og tidsbruken blir en konsekvens av at man ønsker god dokumentasjon og en akseptabel pris. Det finnes ingen magisk formel som løser dette problemet, men det er mulig å skissere noen nye og kanskje kreative tanker for forbedringer.

STRATEGI FRA FORTIDEN. En mulig generell strategi for forbedring bygger på innsikten fra en filosofisk og matematisk anlagt prest for snart 300 år siden. Thomas Bayes (f.1702, død 1761) oppdaget en matematisk regel som viser hvordan man kan kombinere ulike typer informasjon for å finne den mest korrekte sannsynligheten. Dette er nettopp dette man ønsker å gjøre når man vurderer effekten av et legemiddel: Hvor stor er sannsynligheten for at det virker bra og er kostnadseffektivt?

I dagens system blir slike spørsmål avgjort ved hjelp av randomiserte forsøk der man vurderer antallet personer som får ulike forbedringer når man tester legemiddelet. Slike forsøk er grunnlaget for dokumentasjonen som blir vurdert i Beslutningsforum. Jeg vil slett ikke avskaffe slike forsøk, men vil – med geistlig støtte – argumentere for at vurderingene noen ganger kan forbedres, og kan gjøres raskere hvis man bruker all tilgjengelig informasjon.

TO UTFORDRINGER. For å illustrere tankegangen, kan det være nyttig å bruke intervensjoner på kreftformer der man har svært små populasjoner som et konkret eksempel. På dette, og andre områder, har man ofte kunnskap som antyder at pasienter med en viss genvariant har størst nytte av behandlingen. Det kan da oppstå minst to problemer som forsinker beslutningen om innføring eller ikke.

Det ene problemet handler om at man ser på intervensjonen isolert. For eksempel har sekvensering av gener vært så kostbart at intervensjoner som krever slik testing, raskt har for liten nytte til å rettferdiggjøre kostnadene. Problemet med dette er at systemet i stor grad fokuserer på en intervensjon isolert, uten å ta hensyn til at nytten av informasjonen som genereres gjennom testen, kan ha nytte i andre beslutninger senere i behandlingsløpet.

Det andre problemet handler om at det kan ta lang tid å dokumentere effekten når man har små pasientgrupper. Her har noen tatt til orde for at myndighetene burde gjøre det lettere å innføre innovative legemidler.

BAKGRUNNSKUNNSKAP. Dette er et argument som bør vekke en viss skepsis. Hvorfor skal man slippe med enklere dokumentasjonskrav fordi setter «innovativt» foran et legemiddel? Det betyr ikke at man undervurderer det faktiske problemet som oppstår når man har små pasientgrupper – og at det kan være vanskelig å dokumentere noe nytt. I stedet for å bruke et tøyelig adjektiv som et argument, burde man heller se til den nevnte presten for å løse dette problemet.

Bayes regel viser hvordan man best kan kombinere bakgrunnskunnskapen man har med ny informasjon man mottar. Bakgrunnskunnskapen er i dette tilfellet den generelle medisinske kunnskapen eksperter har om mekanismer og mulige effekter. Den er usikker, ofte svært usikker, men den eksisterer. Når man så får informasjon fra et randomisert forsøk, starter man med den generelle kunnskapen og vekter opp eller ned med resultatene fra det randomiserte forsøket. Hvor stor vekt man legger på de ulike informasjonskildene, avhenger av vanlige faktorer som hvor mange personer man har med i – og hvor sikker bakgrunnskunnskapen er.

RELEVANS. På hvilken måte er dette relatert til Nye Metoder? For det første peker denne tankemåten på viktigheten av å få med fagmiljøene og den generelle bakgrunnskunnskapen i metodevurderingene. Her har Beslutningsforum nylig gått i riktig retning ved å arbeide med nye rutiner for inkludering av fageksperter. Her kunne man ha gått enda lenger og bruke paneler av eksperter i en formell prosess som munner ut i sannsynlighetsvurderinger. Antallet personer som deltar i forsøket, vil fremdeles være viktig, men det vil også veies mot andre forhold.

Slike metoder vil man selvsagt ikke bruke i alle tilfeller. Faktisk kan tankegangen brukes på seg selv: Tunge og kostbare vurderinger brukes bare når det er sannsynlighet for at de gir netto positiv nytte. Tenkemåten til Bayes antyder også at myndighetene i større grad kan differensiere dimensjoneringen av vurderinger og krav. Dette vil frigjøre kapasitet, som også kan gi raskere saksgang.

RASKERE VURDERING? Hvis man ser til andre land, inkludert England, er det en større grad av prioritering av hvilke legemidler som skal gjennom en tung vurdering, og hvilke beslutninger som får en enklere saksgang, gitt den kunnskapen man har om effekt og pris. Dette kan spare saksbehandlingskostnader – og gi lavere offentlige utgifter til legemidler der man har betydelig eksisterende informasjon om billigere og alternative legemidler, enten fordi det brukes på andre indikasjoner eller fordi det over tid har vært brukt off-label.

Større og mer innovativ bruk av faglig ekspertise, og en mer differensiert prosess, vil ikke endre interessekonflikten som ligger i at myndighetene gjerne vil ha en lav pris for legemidlene, mens produsentene gjerne vil ha en høy pris. Men det kan utgjøre en forskjell i noen saker ved at man raskere kommer frem til en riktig vurdering av effekten, og at man får fokusert vurderingskapasitet på de tyngste sakene.

Dagens Medisin, fra Kronikk- og debattseksjonen i 15-utgaven