Koneoppiminen terveydenhuollon päätöksenteon tukena

Report this content

Suomalainen terveydenhuolto lähtee siitä, että potilaan on saatava parasta mahdollista hoitoa resurssien sallimissa puitteissa. Laadukas diagnoosi ja hoidon suunnittelu edellyttävät, että potilaasta on tallennettuna ja käytettävissä huomattava määrä tietoa. 



Potilaan hoidon lisäksi tallennettua tietoa voidaan anonyymissä muodossa käyttää tutkimuksessa, joka tähtää uusien hoitomenetelmien ja hoitoa tukevien päätöstukiratkaisujen kehittämiseen. Vuosikymmenien kuluessa potilasrekisterehin kerätty tieto antaa tähän hyvän lähtökohdan.  

– Järjestelmissä on edelleen paljon tietoa vaikeasti jatkokäsiteltävässä muodossa, vapaana tekstinä, toteaa VTT:n johtava tutkija Jaakko Lähteenmäki

– Lisäksi tietojen tallennuksessa on alueellisia eroja. Esimerkiksi eri laboratoriojärjestelmissä on erilaisia tutkimusnumeroita samoille tutkimuksille. Tiedon yhdistäminen päätöksenteon tueksi on haastavaa.

VTT kehittää data-analytiikkaan perustuvia menetelmiä, jotka tarjoavat lääkärille selkeää tietoa eri tilanteissa parhaiten tehonneista hoidoista. Jaakko Lähteenmäki mainitsee yhtenä esimerkkinä lääkeaineiden riippuvuuden perimästä. 

– Esimerkiksi verenohennuslääkkeen vaikutus voi geeniperimästä riippuen olla normaalia voimakkaampi tai heikentynyt. Tämä lisää potilaan lääkityksestä aiheutuvaa riskiä verenvuotoihin ja verisuonitukoksiin. Olemme toteuttamassa tutkimusta, jossa potilastietoaineistojen perusteella arvioidaan geenien vaikutusta henkilökohtaiseen lääkevasteeseen. Tuloksia voidaan hyödyntää päätöstukiratkaisuissa, jotka tukevat lääkäriä optimaalisen lääkkeen ja lääkeannoksen valinnassa. 

– Koneoppiminen tarjoaa lääkärille selkeitä toimintaohjeita, sanoo puolestaan VTT:n tutkimusprofessori Mark van Gils. Hän on johtanut kansainvälistä hanketta, jossa kehitettiin ohjelmistoa tukemaan aivovammapotilaiden hoitoa. Koneoppiva ohjelmisto tukee lääkäriä vamman vakavuuden arvioinnissa ja hoitosuunnitelman tekemisessä.

– Kun pään lyö vaikkapa katuun liukastuessa, tilanne ei välttämättä heti tunnu vaaralliselta, Mark van Gils kertoo. – Mutta on mahdollista, että komplikaatioita ilmenee muutaman päivän kuluttua, kun potilas on jo kotona. 

Aivovamman vakavuuden määrittäminen on haasteellista. Siihen vaikuttaa esimerkiksi henkilön ikä, muut sairaudet ja alkoholin osuus kaatumiseen. Toimenpiteistä päätettäessä huomioon on otettava myös hoitoon liittyvä logistiikka ja sairaalan käytettävissä olevat resurssit. Kansainvälisessä yhteistyössä kehitetty menetelmä tarjoaa matemaattisen mallin siihen, miten kliinistä päätöksentekoa tuetaan yhdistämällä tietoa eri lähteistä. Mukaan otetaan myös terveysasemalla kertynyt tieto, sydänkäyristä aina hoitajan näkemykseen potilaan olotilasta.

Mark van Gils summaa, että kaiken takana on pyrkimys selkeyttää olemassa olevaa tietoa niin, että siitä saataisin paras hyöty irti.

– Me kehitämme uusia tapoja hyödyntää terveystietovarantoja – keinoja löytää oikea tieto paremmin ja käyttää sitä nopeammin. Kun inhimilliset resurssit käyvät yhä niukemmiksi, koneet tulevat avuksi. Teksti: Timo Mansikka-aho

vtt.fi

---
Editor Helsinki – yritysviestinnän asiantuntija 
Editori.fi-asiantuntijakanava tuo esille oman alansa asiantuntijat, persoonat ja vaikuttajat www.editori.fi.
Lisätietoa: Valtteri Rantalainen | p. 040 561 7703 | valtteri.rantalainen(a)editorhelsinki.fi I www.editorhelsinki.fi

Avainsanat:

Multimedia

Multimedia