HUS

HUS mukana aivovammapotilaiden tehohoitoa parantavan tekoälyalgoritmin jatkokehittämisessä

Jaa

Suomalaisen tutkimusryhmän aivovammapotilaiden tehohoitoon kehittämä tekoälyalgoritmi on testattu kansainvälisellä potilasaineistolla. Tekoälyalgoritmin tarkkuus oli erinomainen ja algoritmilla on mahdollisuus merkittävästi parantaa teho-osastolla hoidettavien ja vaikeasti vammautuneiden aivovammapotilaiden ennustearviointia.

Tutkimusryhmässä ovat HUSin lisäksi mukana TYKS, TAYS, KYS ja Karolinskan yliopistosairaala.

Tutkimus on jatkoa aiemmin julkaistulle, Euroopan neurokirurgiyhdistyksen palkitsemalle tutkimukselle, jonka uskotaan parantavan merkittävästi teho-osastolla hoidettavien ja vaikeasti vammautuneiden aivovammapotilaiden ennustearviointia.

Tutkimuksessa testatun tekoälyalgoritmin kehittäminen on aloitettu jo 2017 HUSissa tutkimuksen päätekijöiden dosentti, erikoislääkäri Rahul Raj’n ja dosentti, erikoislääkäri Miikka Korjan toimesta.

Teho-osastolla hoidettavien ja vaikeasti vammautuneiden aivovammapotilaiden toipumisennusteen arviointi on erittäin haastavaa, erityisesti hoidon pitkittyessä. Vaikeasti vammautuneet aivovammapotilaat ovat nukutettuna hengityskoneessa, ja niin aivojen kuin verenkierronkin toimintoja mitataan useilla erilaisilla epäsuorilla ja suorilla mittausmenetelmillä. Yhden hoitovuorokauden aikana potilaasta kertyy satoja tuhansia, jopa yli miljoona erilaista mittausarvoa, joita on mahdotonta analysoida ja tulkita potilashoidon aikana.

Lisäksi potilaan elintoiminnoissa ja esimerkiksi aivopaineessa tapahtuu jatkuvasti muutoksia, jolloin esimerkiksi tehohoidon alkuvaiheessa tehty toipumisennuste ei pidä hoidon pitkittyessä enää usein paikkaansa. Tutkijat ovat pitkään yrittäneet kehittää menetelmiä, joiden avulla alati muuttuvaa potilaan toipumisennustetta pystyttäisiin luotettavammin ja kertyvään elintoimintodataan perustuen tarkentaa. Suomalainen tutkimusryhmä on nyt kehittänyt niin sanotun dynaamisen ennustealgoritmin, jonka antama numeerinen ennuste päivittyy tarvittaessa joka tunti mittauslaitteista tulevaan dataan perustuen.

”Idea ja toteutus ovat ainulaatuisia. Tavoitteenamme oli kehittää laajasti ympäri maailman soveltuva eli mahdollisimman yksinkertainen, mutta niin sanottuun big dataan perustuva tehohoitoalgoritmi, jonka datapisteet syntyvät objektiivisesti mittauslaitteista, ei ihmisen tulkinnan pohjalta. Näin minimoidaan inhimillisten tulkintavirheiden mahdollisuus ja ikään kuin tasa-arvoistetaan hoitopäätöksiä, kertoo tutkimuksen toinen päätutkija Rahul Raj.

Tekoälyalgoritmi perustuu kolmeen yleisesti aivovammapotilailta mitattavaan muuttujaan: aivopaineeseen, keskivaltimopaineeseen ja perfuusiopaineeseen. Näistä muuttujista on edelleen muodostettu uusia muuttujia, joiden painoarvo ennusteessa vaihtelee hoidon edetessä. Kun aivovammapotilaan hoito pitkittyy, hoitopäätösten ja ennusteiden tekeminen vaikeutuvat. Juuri tällöin kehitetty tekoälyalgoritmi toimii paremmin ja paremmin, koska dataa on kertynyt enemmän ja enemmän.

”Lähtökohtanamme oli, että tekoälyalgoritmi ei voi olla liian tarkka ensimmäisen 1-2 vuorokauden aikana, jottei kukaan vahingossakaan tekisi alkuvaiheen hoitopäätöksiä algoritmin antamaan ennusteeseen nojaten. Algoritmi on siis tarkoitettu ennen kaikkea pitkittyneiden ja vaikeiden aivovammapotilaiden hoidon parantamiseen”, kertoo tutkimuksen toinen ykköskirjoittaja, väitöskirjatutkija Jenni Wennervirta.

Kehitetty algoritmi antaakin esimerkiksi tunnein välein yhden numeerisen arvon, joka kertoo tehohoidossa olevan aivovammapotilaan 30 vuorokauden eloonjäämisennusteen. Tutkijat käyttivät päätetapahtumana nimenomaan kuolemaa, jonka tulkinnassa ei eri kulttuureissakaan ole lääketieteen parissa merkittäviä tulkintaeroja. Algoritmikehityksessä onkin oleellista, että ennustettava päätetapahtuma on yksiselitteinen ja maailmanlaajuisesti yhtenäinen, muutoin globaalisti toimivaa algoritmia on lähes mahdotonta kehittää. Kehitetyn algoritmin on tarkoitus toimia kliinisen päätöksenteon tukena, kuten puutteellisesti käytetty data on ollut tähänkin asti.

”Siihen, että tehohoidossa käytettävä algoritmi tekisi itsenäisesti hoitopäätöksiä, on pitkä matka, eikä se ole meidän tavoitteenamme. Tavoitteemme on käyttää monitoroinnissa syntyvää dataa entistä paremmin hyväksi ja mahdollisesti jopa parantaa tehohoidon hoitopäätösten objektiivisuutta”, Raj sanoo.

”HUSilla on ollut määrätietoinen ja ennakkoluuloton panostus tulevaisuuden lääketieteeseen, missä tällä yhdellä Euroopan suurimmalla sairaalalla on poikkeuksellinen mahdollisuus nousta kansainväliseksi johtajaksi. Tekoälyalgoritmien saaminen kliiniseen käyttöön on pitkä prosessi CE-merkintöineen ja kattavine ulkomaisine testauksineen, ja HUSissa ei onneksi ole sorruttu tässä talousmaailmasta tuttuun kvartaaliajatteluun”, sanoo tutkimuksen toinen päätutkija Miikka Korja.


Lisätietoja
 
Rahul Raj, LT, dosentti 
HUS Neurokeskus ja Helsingin yliopisto  
rahul.raj@hus.fi

Avainsanat

Linkit

Tietoja julkaisijasta

HUS
HUS
Stenbäckinkatu 9, PL 100
00029 HUS

http://www.hus.fi

HUS Helsingin yliopistollisessa sairaalassa saa vuosittain hoitoa noin 680 000 potilasta. HUSissa työskentelee lähes 27 000 ammattilaista kaikkien potilaiden parhaaksi. Vastuullamme on 24 jäsenkunnan asukkaiden erikoissairaanhoito. Lisäksi meille on keskitetty valtakunnallisesti useiden harvinaisten ja vaikeiden sairauksien hoito.

HUS on Suomen suurin terveydenhuoltoalan toimija ja maan toiseksi suurin työnantaja. Osaamisemme on kansainvälisesti tunnettua ja tunnustettua. Yliopistollisena sairaalana tutkimme ja kehitämme jatkuvasti hoitomenetelmiämme sekä toimintaamme.

Tilaa tiedotteet sähköpostiisi

Haluatko tietää asioista ensimmäisten joukossa? Kun tilaat tiedotteemme, saat ne sähköpostiisi välittömästi julkaisuhetkellä. Tilauksen voit halutessasi perua milloin tahansa.

Lue lisää julkaisijalta HUS

Uutishuoneessa voit lukea tiedotteitamme ja muuta julkaisemaamme materiaalia. Löydät sieltä niin yhteyshenkilöidemme tiedot kuin vapaasti julkaistavissa olevia kuvia ja videoita. Uutishuoneessa voit nähdä myös sosiaalisen median sisältöjä. Kaikki tiedotepalvelussa julkaistu materiaali on vapaasti median käytettävissä.

Tutustu uutishuoneeseemme