I Danmark diagnosticeres ca. 4.500 med kolorektal kræft (KRC) hvert år. Den 5-årige overlevelse er observeret til ca. 50%, da KRC ofte diagnosticeres sent. Derfor oprettes et screeningsprogram i Danmark i 2014. Dog kritiseres nuværende screeningsmetoder, hvorfor der er fokus på identificering af kemiske biomarkører. Der er endnu ikke identificeret brugbare biomarkører til detektering af KRC.
Region Nordjyllands datavarehus, der indeholder laboratorie- og patientadministrative data, kan give mulighed for data mining efter nye, potentielle kemiske biomarkører for KRC.
15 biokemiske analysetyper blev undersøgt med lineær regression, middelværdi og standardafvigelse vha. mønstergenkendelse i perioden, før KRC diagnosticeres hos patienterne. Lineær og kvadratisk diskriminant analyse blev brugt til at adskille 125 patienter med KRC fra 6.149 patienter uden kræft. Data blev normaliseret for at opnå uafhængighed af laboratoriernes normalværdier.
Den simpleste klassifikator ift. højeste sensitivitet og specificitet var en 3-dimensionel kvadratisk klassifikator, som udnyttede lineær regression af P-Albumin, middelværdi af B-Thrombocytter og P-Bilirubiner. Sensitiviteten var 92,0% og specificteten var 79,5%. Dataanalysen er retrospektiv, så kompletheden og fordelingen af data i datavarehuset, er de største begrænsninger i projektet, da det nedsætter antallet af samples og kan skævride resultaterne.
Trods begrænsningerne har klassifikatoren højere sensitivitet men lavere specificitet end fækal okkult blodtest, hvilket betyder at klassifikatoren har potentiale til at detekterer en større procentdel af de patienter, der har KRC, end fækal okkult blodtest. Dermed har datavarehuset med mønstergenkendelse identificeret mulige kemiske biomarkører for KRC.