VTT:n Smart Health-tutkijat valjastaisivat kansalaisten henkilökohtaisen terveysdatan ennaltaehkäisemään sairauksia. Esimerkiksi muistisairauksien ja tyypin 2 diabeteksen riskiä voisi arvioida älykkäällä data-analyysillä arkisen terveyskeskuskäynnin yhteydessä.
VTT:n Smart Health -tutkijoilla on yhteinen visio terveydenhuollon digitaalisesta tulevaisuudesta. Älykäs data-analyysi ja Suomen erinomaiset terveysdatavarannot tarjoavat mahdollisuuden kehittää menetelmiä sairauksien tehokkaaseen seulontaan.
– Kehitämme yleislääkärille työkaluja potilaan henkilökohtaisen sairastumisriskin arviointiin, tutkimusprofessori Markus Forsberg kertoo.
Esimerkiksi muistisairauksien seulontaa ja diagnostiikkaa voisi aikaistaa huomattavasti potilaan itse keräämän datan ja älykkään data-analyysin avulla.
– Tutkimme ja kehitämme menetelmiä, joilla terveysdataa voidaan tulkita luotettavasti ja läpinäkyvästi moderneja koneoppimis- ja tekoälymenetelmiä hyödyntäen, kertoo Principal Scientist Juha Pärkkä.
Datan tuottaja ja tulkitsija
VTT:llä on osaamista niin anturikehityksessä, datan analytiikassa kuin palvelumuotoilussakin. Älykäs data-analytiikka pääsee oikeuksiinsa vasta kun sille syötetään paljon hyvälaatuista ja luotettavaa dataa. VTT:n anturikehitys tähtää uusien, luotettavien anturiratkaisuiden luomiseen. Älykäs data-analytiikka puolestaan rakentaa eri datalähteistä kokonaiskuvaa, jonka avulla on helpompi ymmärtää esimerkiksi potilaan tilaa kokonaisvaltaisemmin.
– Palvelumuotoilun avulla taas työkalut puetaan helppokäyttöisiksi ja koukuttaviksi sovelluksiksi niin potilaiden kuin lääkäreiden tarpeisiin, Markus Forsberg sanoo.
VTT:n sairaalatekniikan ratkaisujen kehitys lähti liikkeelle jo 1970-luvulla, kun Tampereelle perustettiin VTT Sairaalatekniikan laboratorio. 1990-luvun puolivälissä työtä tehtiin VTT Tietotekniikan yksikössä, jossa VTT-uransa aloitti myös Principal Scientist Juha Pärkkä vuonna 1997. Nykyinen Smart Health -tutkimusryhmä haluaa helpottaa terveydenhuollon arkea niin terveydenhuollon ammattilaisen kuin potilaidenkin näkökulmasta.
– Kehitämme ohjelmistoja toisaalta lääkäreille diagnoosien ja hoitosuunnitelmien teon tueksi, toisaalta potilaille ennaltaehkäisyn ja omahoidon tueksi, kertoo Pärkkä.
– Tyypillisessä hankkeessa käsissämme on paljon heterogeenistä dataa, josta pitää muodostaa kokonaiskuva esimerkiksi sairauksien seulonnan tai omahoitopäätösten tueksi.
Juha Pärkkä on väitellyt puettavien antureiden data-analytiikasta. Nykyiset älykellot ja jopa sormus mittaavat liikkeitä, sykettä, happisaturaatiota ja jotkut myös verenpainetta tarvittaessa ympäri vuorokauden. Normaalielämän ohessa huomaamattomasti kerättyä dataa voidaan jatkossa hyödyntää myös osana potilaan hoitoa ja omahoitoa. Esimerkiksi kroonisista sairauksista kärsivän rutiinikäynnit terveydenhuollossa voidaan suunnitella tehtäväksi kunkin potilaan tarpeiden mukaan, ei nykyiseen tapaan määrävälein.
– Teknologiaratkaisujen avulla voidaan siis vähentää turhia käyntejä terveydenhuollossa, Pärkkä kertoo.
– Ja jos myös potilaan hoitopolkua ohjattaisiin teknologian avulla yksilöllisten tarpeiden mukaan, terveydenhuollon resursseja voitaisiin kohdentaa sinne missä niitä eniten tarvitaan, Markus Forsberg jatkaa.
Markus Forsberg on tuoreempi VTT:läinen. Tutkimusprofessorina hän rakentaa Kuopiossa perusterveydenhuollon tarpeisiin perustuvia ratkaisuja sairauksien varhaiseen tunnistamiseen, seurantaan ja hoitopolun ohjaamiseen. VTT:n työnsä ohella hän toimii myös Itä-Suomen yliopiston farmakologian professorina. Terveydenhuollon arki on siis Forsbergille tuttu.
– Jos haluamme tehostaa terveydenhuollon resurssien käyttöä teknologian avulla, täytyy työkalujen olla sellaisia, että ne todella toimivat lääkärin työpöydällä, Forsberg pohtii.
Osa VTT:n innovaatioista on jo edennyt kliiniseen käyttöön. Hyvä esimerkki VTT:n osaamisesta on sen tutkijoiden perustama spinoff-yritys Combinostics. Juha Pärkkä oli yksi yhtiön perustajista. Yhtiön ohjelmisto analysoi potilaan aivokuvia, näytteitä ja testejä ja vertaa tuloksia laajoihin potilastietokantoihin.
– Muistisairaudet ovat hankalasti diagnosoitavia. Ohjelmisto kokoaa lääkärille näkymän, joka auttaa päättelemään onko kyse dementiasta, Pärkkä kertoo.
Älykästä data-analytiikkaa ja terveydenhuollon arkea
VTT:n älykkäitä data-analytiikkaratkaisuja kehittävien tutkijoiden työnjako on selvä. Tampereen Smart Health -tutkijat tuntevat terveydenhuollon datavarannot ja osaavat valjastaa tekoälyalgoritmit töihin, Kuopion tutkijat taas tuntevat terveydenhuollon käyttäjätarpeet ja tietävät miten uusia ratkaisuja pilotoidaan.
– Minulle tämä on kiitollinen tilanne. Me keksimme, että haluaisimme rakentaa tällaisen konseptin, ja kysymme Tampereen tutkijoilta, että miten tämä laitetaan kasaan, Markus Forsberg nauraa.
Koronapandemian jarruttamiseksi kehitetty Koronavilkku-sovellus on tehnyt terveydenhuollon digityökaluja tutuksi monelle suomalaiselle. Asukasmäärään suhteutettuna maailman suosituimmasta koronasovelluksesta on ollut konkreettista hyötyä tartuntaketjujen katkaisemisessa. Vastaavilla digityökaluilla olisi käyttöä myös monien elintapasairauksien varhaisessa diagnosoinnissa. Edellytykset ovat meillä hyvät, kehuvat tutkijat. Täällä suhtaudutaan positiivisesti teknologian hyödyntämiseen.
Ihmisten henkilökohtaisen terveysdatan hyödyntäminen ennaltaehkäisevässä terveydenhuollossa on kuitenkin paljon muuta kuin tekniikkaa. Lainsäädäntö, tietosuojakysymykset, politiikka ja asenteet vaikuttavat datapohjaisten terveydenhuoltoratkaisujen yleistymiseen enemmän kuin teknologian mahdollisuudet.
– Tekniikka on ehkä sittenkin se helpoin osa, tutkijat toteavat.
Miten siis päästä visioon, jossa älykäs data-analytiikka arvioisi lääkärin vastaanotolle saapuneen riskit vaikeasti hoidettaville elämäntapasairauksille?
Tutkijat ottavat esimerkiksi muistihäiriöt, joiden ennaltaehkäisyssä Suomessa on tehty uraauurtavaa tutkimusta. Tutkimustiedon valossa parasta hoitoa on muistisairauksien ennaltaehkäisy. Edellytyksenä on, että riski havaitaan varhain.
Nykyisin muistisairauteen havahdutaan usein liian myöhään. Kun puoliso tai lapsi ensi kertaa havahtuu ikääntyvän läheisen muistiongelmiin, saattaa vielä kestää kuukausia ennen kuin lähdetään ensi kertaa yleislääkärin vastaanotolle.
– Euroopassa diagnoosiin menee keskimäärin 20 kuukautta, tutkijat kertovat.
Puettavien antureiden ja potilaan omaseurannan avulla sykliä voisi nopeuttaa huomattavasti nykyisestä.
– Pelkästään normaalielämää ja liikkumista seuraamalla saadaan paljon tietoa. Esimerkiksi unen laatu kärsii monissa kroonisissa sairauksissa jo varhaisessa vaiheessa, Juha Pärkkä kertoo.
Parhaimmillaan puettavat anturit johdattavat sairauksien jäljille jo ennen havaittavien oireiden ilmaantumista.
Yleislääkärin apulainen
Sekä muistisairauksien että diabeteksen riskiryhmät tunnetaan Suomessa hyvin, kiitos alan pitkäjänteisen tutkimuksen. Seuraava askel olisi valjastaa tietotekniikka tekemään riskiarvioista henkilökohtaisia.
Yleislääkärin tukena voisi toimia algoritmi, joka pystyisi yhdistelemään tietoja potilaan etukäteen verkossa tekemästä kognitiotestistä ja kyselyistä sekä kaikesta hänestä vuosien mittaan karttuneesta terveysdatasta. Älykäs data-analytiikka auttaisi lääkäriä vertaamalla vastaanotolla henkilön tietoja automaattisesti tuhansista, jopa miljoonista potilastapauksista kertyneeseen dataan. Älykkäästä data-analyysistä on tällä hetkellä suurin hyöty erikoislääkärille, mutta jatkossa varmasti myös yleislääkäreille. VTT:n spinoff-yritys Combinostics on jo tuotteistanut tällaisia ratkaisuja muistisairaiden aikaisemman diagnoosin tueksi.
Älykäs data-analyysi auttaisi lääkäriä kokonaisuuden hahmottamisessa ja diagnoosin teossa. Jos muistihäiriön riski arvioidaan korkeaksi, saadaan potilas heti hoitopolun alkuun.
– Matalamman riskin potilaat otetaan seurantaan, ja kognitiotesti voidaan toistaa vaikka kolmen kuukauden kuluttua, Markus Forsberg pohtii.
Riskin arviointi ja lääkärin tukeminen diagnoosin teossa on yksi keino terveydenhuollon resurssien käytön tehostamiseen.
– Meillä on hyvä FINGER-toimintamalli ikääntyvien muisti- ja ajattelutoimintojen tukemiseksi. Mutta realiteetti on, että sen vaikuttavuuden parantamiseen tarvitaan potilaan omaseurantaa digitaalisilla apuvälineillä. Terveydenhuollon resurssit eivät riitä vastaanotolla tapahtuvaan ohjaukseen ja seurantaan, Forsberg pohtii.
VTT on jo kehittänyt teknologiaa, jolla voidaan arvioida potilaan henkilökohtaista muistisairaus- tai diabetesriskiä, mutta lääkärin arkityökaluksi sillä on vielä matkaa. Vaikka teknologia olisikin olemassa, ja se saataisiin integroitua sote-alueen tietojärjestelmiin, ei sen käyttöönotto ole mikään itsestäänselvyys.
– Tällaiseen hankkeeseen pitää saada mukaan niin terveydenhuollon päättäjät kuin isot terveydenhuollon toimijat. VTT voi tehdä mahdollistavan teknologian, mutta mukaan tarvitaan iso porukka viemään tätä käytäntöön, Markus Forsberg pohtii.
Henkilökohtainen data-analyysi tunnistaa korkean dementiariskin
Sosiaali- ja terveysministeriö ehdotti lokakuussa 2020 julkaistussa Kansallisessa ikäohjelmassa muistisairauksia ehkäisevän FINGER-toimintamallin käyttöönottoa koko Suomessa vuoteen 2030 mennessä.
Suomalainen FINGER-tutkimus osoitti ensimmäisenä maailmassa, että muistisairauksien tehokkainta hoitoa on ennaltaehkäisy. Tutkimuksen pohjalta rakennettu FINGER-toimintamalli on ikääntyvälle riskiväestölle suunniteltu elintapaohjelma, joka ohjaa liikkumaan, syömään terveellisesti ja treenaamaan myös aivoja.
VTT on ollut mukana kognitiotestistön kehityksessä.
– Haluaisimme jatkokehittää potilaan seurantaa yksilöllisemmäksi. Se auttaisi hoitohenkilöstöä arvioimaan, miten juuri tämä potilas hyötyy FINGER-toimintamallista, Markus Forsberg kertoo.
Muistisairauksien tutkimukseen on Suomessa panostettu valtavasti. Sen ansiosta on kertynyt paljon arvokasta tutkimustietoa ja uusi toimintamalli ennaltaehkäisyyn. Tutkijat uskovat, että riskinarviointi- ja seurantatyökalujen tuominen koko perusterveydenhuollon käyttöön parantaisi samaan aikaan muistisairauksien hoitoa ja tehostaisi terveydenhuollon resurssien käyttöä.
– Me haluamme tukea toimintamallin käyttöönottoa ja hyödyntämistä jokaisen terveyskeskuslääkärin työpöydällä, Forsberg toteaa.
Teksti: Petja Partanen
