Rakenteellinen data mahdollistaa yksilöllistetyn lääketieteen
Yksilöllistetty lääketiede on lääketieteen megatrendi. Se tarkoittaa potilaan henkilökohtaisten ominaisuuksien parempaa huomioonottamista verrattuna nykyiseen isompien potilasryhmien pohjalta tapahtuvaan hoidon valintaan.
Yksilöllistetyn lääketieteen ajatellaan käyttävän tekoälyä hoidon valinnassa avustamiseen. Lääkärillä ei ole aikaa käydä läpi potilaan historiaa yhtä tarkkaan kuin mitä yksilöllistetyn lääketieteen etujen saavuttaminen vaatisi, vaan hän joutuu sijoittamaan potilaan johonkin hoitolinjaan pinnallisemman tarkastelun kautta. Potilaista tulee rekisteriin yhä enemmän tietoja ja yksityiskohdat helposti katoavat tietomassan sisään. Uusimpana trendinä omiikat, kuten genomiikka ja metabolomiikka voivat tuottaa valtavia määriä dataa, jonka läpikäyminen vaatisi lääkäriltä korkean tason osaamista, jota ei voi joka lääkäriltä vaatia.
Tekoälymenetelmät voi opettaa ottamaan genomiikan löydökset huomioon, samoin kuin vaikkapa monimutkaisia yhdistelmiä muita taustatekijöitä. Edellytyksenä on, että tiedot löytyvät rekisteristä. Kun tiedot ovat rekisterissä, niitä voidaan käyttää tekoälymallin rakentamiseen ja jatkossa kun samat tiedot kirjataan joka potilaasta, suorittaa jollain tyypillisellä potilasjoukollaopetettu tekoäly sekunnin murto-osassa aina uuden potilaan koko historian analysoinnin ja antaa oman näkemyksensä tarvittavasta hoidosta helpottamaan lääkärin päätöksentekoa.
Mutta tärkeintä on, että tiedot löytyvät jostain. Perinteisesti lääkärit ovat kirjoittaneet tai sanelleet tiedot vapaamuotoisena tekstinä. Tietoaltaista löytyy rakenteistakin tekstiä, mutta usein oleelliset yksityiskohdat ovat enemmän tai vähemmän sattumanvaraisina mainintoina jossain tekstin seassa. Näitäkin voi louhia tekstinkäsittelyalgoritmeilla, joita löytyy myös suomen kielelle. Työ kuitenkin muuttuu paljon yksinkertaisemmaksi, jos tieto on rakenteisena ja määrämuotoisena. Jos lääkäri aina samoin perustein ja samalla merkinnällä tietokannan kentässä esittää parhaan arvionsa vaikkapa siitä, onko potilaalla metastaaseja vai ei, on tieto muodossa, joka mahdollistaa yksilöllistetyn lääketieteen. Tekoäly voi käyttää rakenteista tietoa suoraan, kun taas vapaamuotoisen tekstin käyttöön sisältyy tulkintavaihe, jossa on paljon virhelähteitä.
Lääkärin kirjaamien tietojen lisäksi samaan järjestelmään pitäisi integroida myös kaikki muu tieto. Esimerkiksi patologian näytekuvat, magneettikuvat ja muu kuvantamisdata perinteisesti on pidetty omissa tietojärjestelmissään, jotka eivät automaattisesti keskustele muiden hoitotietojärjestelmien kanssa. Kuitenkin juuri kuvien analysoinnissa tekoäly on saavuttanut suurta edistystä viime vuosina. Patologian leikekuvista on mm. keuhkosyöpäsoluja tunnistettu ja tyypitetty eri alaluokkiin täysin ihmispatologiin verrattavalla tarkkuudella. Kuvista havaittavan tiedon laaja yhdistäminen potilaan demografisiin tietoihin, hoitoon liittyviin tietoihin ja myös perusterveydenhuollon tietoihin veisi yksilöllistetyä lääketiedettä paljon eteenpäin.
Sote-uudistuksen myötä perusterveydenhuolto ja erikoisterveydenhuolto toimivat samassa organisaatiossa, ja onkin toivottavaa, että myös niiden tietoja voidaan yhdistää nykyistä helpommin. Monen sairauden hoidosta tärkeä osa tapahtuu potilaan kotona tai terveyskeskuksessa, ja tämä ei kovin hyvin näy yliopistollisen keskussairaalan tiedoissa. Jos potilas vaikka jatkuvasti tarvitsee paljon tukea pärjätäkseen sairautensa kanssa kotona, myös tällä on merkitystä, ei vähiten taloudelliselta kannalta. Esimerkiksi syöpähoidoissa on tärkeää, että potilasta tuetaan elämänlaadun ylläpitämisessä, jotta hän pystyy ottamaan vastaan sairauden parantamiseen tähtäävän hoidon parhaalla mahdollisella tavalla. Potilas voi myös lähettää sovelluksella itse tietoja voinnistaan sairaalaan. Tällä kaikella on merkitystä hoidon valintaan, mikä on kulmakivi yksilöllistetyn lääketieteen kehityksessä.Mikäli hoito on vaikkapa potilaalle liian raskas, voi hän hyötyä enemmän kevyemmästä hoitolinjasta. Perusterveydenhuollon tiedot ovat erityisen tärkeää tautien diagnosoinnissa, koska ne kertovat, miten potilas voi ennen hakeutumista erikoissairaanhoitoon.
Jussi Salmi, Datatieteilijä BCB Medicalissa, dosentti (bioinformatiikka)
- 25.09.2024 07:50
Miten terveydenhuollon datat saadaan puhumaan samaa kieltä? - 20.12.2023 12:33
CleverHealth Network -ekosysteemissä on kehitetty ratkaisuja Sosiaali- ja terveysministeriön tuoreen digitalisaation ja tiedonhallinnan strategian mukaisesti - 20.11.2023 13:26
OMOP-tietomalli, sen hyödyt, haasteet ja käyttöönotto - 22.05.2023 08:06
Jatkuva langaton monitorointi auttaa kliinikoita havaitsemaan potilaan tilan heikkenemisen varhaisessa vaiheessa - 28.11.2022 11:48
RWE-tutkimuksista ratkaisu hyvinvointialueiden pienentyneisiin tutkimusmäärärahoihin - 09.09.2022 10:36
Rakenteellinen data mahdollistaa yksilöllistetyn lääketieteen - 31.08.2022 12:33
Terveysteknologia tehostaa keuhkosyövän seulontaa - 29.06.2022 15:01
Saumattomasti toimiva tutkimusympäristö mahdollistaa lisää investointeja Suomeen - 10.06.2022 14:47
Tulevaisuuden terveydenhuolto nojaa yhteistyöhön ja ennakointiin - 06.05.2022 12:00
Innovaatio-Suomen lupaviidakossa - 07.10.2019 13:00
Onko lääkinnällisten laitteiden uusi asetus kuin GDPR keväällä 2018? - 12.06.2019 06:00
Tulevaisuuden terveydenhuolto rakentuu yhteistyöllä - 16.12.2018 10:00
Yhteistyö varmistaa tulevaisuuden