05.03.2020

CleverHealth Networkin projektit helpottavat diagnosointia ja parantavat potilaiden turvallisuutta

Suomi on terveys- ja hyvinvointidatan mallimaa. Nyt datan ja uusimpien teknologisten ratkaisujen avulla halutaan parantaa nykyisiä hoitoja. Vuonna 2017 perustettu CleverHealth Network -ekosysteemi on käynnistänyt jo neljä lääketieteen ammattilaiset ja yritysmaailman tietotaidot yhdistävää projektia, joiden tulokset muuttavat terveyhdenhuoltoa.

CleverHealth Network -ekosysteemin yhteiskehittämisprojekteissa HUSin ammattilaiset, yliopistojen huippututkijat ja eri teknologia-alueiden yritysten asiantuntijat kehittävät uusia ratkaisuja hyvin määriteltyihin kliinisiin haasteisiin. Lopputuotteena syntyy paitsi entistä parempaa hoitoa suomalaisille myös menestyviä terveysteknologian palvelu- ja tuoteinnovaatioita yrityksille.

Terveydenhuollon digitaalisilla ratkaisuilla on merkittävä rooli myös HUSin tulevaisuudessa.

"Haluamme muuttaa asiakasrajapintoja entistä sujuvammiksi ja siihen digitalisaatio on ratkaisu. Myös hoitopoluissa digitalisaatio auttaa helpottamaan lääkäreiden ja hoitajien työtä ja jättää enemmän aikaa potilaiden kohtaamiseen", kommentoi HUSin toimitusjohtaja Juha Tuominen.

Tekoäly tuo apua aivoverenvuotojen diagnosointiin

Teknologiset ratkaisut helpottavat lääkärien työtä ja voivat auttaa diagnosoinnissa. Malliesimerkki tästä on HUSin, CGI:n ja Planmecan yhteiskehittämisprojekti, joka hyödyntää tekoälyä päänalueen CT- eli tietokonekerroskuvien tulkitsemisessa ja lukinkalvonalaisen verenvuodon tunnistamisessa.

Projekti tulee avuksi useaa sairaanhoitopiiriä vaivaavaan ongelmaan: siinä missä erilaisten kuvausten määrä lisääntyy vauhdilla, on niitä tulkitsevien radiologien määrä vähentymässä. Useimmiten päivystävä lääkäri joutuu tulkitsemaan kuvia itse.

"Kone ei tule tekemään diagnoosia, mutta auttaa lääkäriä huomaamaan kuvassa näkyvät poikkeamat", tarkentaa HUSin projektipäällikkö Taru Hermens.

Projektissa on käsin segmentoitu verenvuoto ja muut poikkeavuudet pään CT-kuvista, joissa on todettu lukinkalvonalainen verenvuoto. Tämän jälkeen neuroverkko on opetettu tunnistamaan verenvuoto. 

"Viime vuoden aikana työmme pääsi kunnolla käyntiin ja projekti on edennyt hyvin. Vuoden aikana kehitettiin ensimmäinen algoritmi, joka tunnistaa hyvin tietyn aivoverenvuodon", Hermens kertoo. 

Algoritmin kehittäminen on jatkuvaa. Seuraavaksi neuroverkkoa on tarkoitus opettaa tunnistamaan muitakin aivoverenvuotoja. 

Potilasturvallisuus paranee datan avulla

Joissakin tapauksissa teknologiset ratkaisut näkyvät suoraan potilaiden elämässä, kuten esimerkiksi helpottamalla diabetespotilaiden arkea. CleverHealth Networkin Lapsidiabeetikko-projektissa halutaan lisätä potilaiden turvallisuutta ja tiedonkulun turvallisuutta yhteisen eurooppalaisen alustamallin avulla.

Diabetespotilaiden elämää on jo helpotettu erilaisilla verensokeriarvoa mittaavilla jatkuvilla ihonalaisilla glukoosisensoreilla sekä ilman erillisiä ihopistoksia toimivilla insuliinipumpuilla.

"Nämä keinot kerryttävät potilaista tärkeää dataa, joka projektin myötä on saatu kuljetettua kotoa lääkärille. Projektissa on kehitetty avoimeen lähdekoodiin pohjautuva digitaalisen suostumuksen ratkaisu, jossa vanhemmat antavat lääkärin pyynnöstä sairaalalle luvan nähdä kotona kerätty data", kommentoi projektipäällikkö Birgit Paajanen HUSista.

Tavoitteena on laajentaa turvallinen tiedonkulku esim. diabeteksen hoidon sensoreista ja pumpuista vanhempien luvalla hoitohenkilökunnalle. Vanhemmat vastavuoroisesti näkevät kuka dataa on käyttänyt ja mihin tarkoitukseen. Kun nyt kehitetty avoimen lähdekoodin toimivuus on testattu, se toimii myös muissa diagnoosiryhmissä ja tuo lupaan perustuvan tiedon myös CE-merkitylle HUSin tietoaltaalle EU:n uuden tietosuoja-asetuksen (GDPR) mukaisesti.

"Projektin ensimmäisessä vaiheessa olemme nyt rakentaneet tämän skaalautuvan, läpinäkyvän ja luvanvaraisen tiedonkulun rakenteen, jonka kautta data siirtyy terveydenhuollon ammattilaisille", Paajanen kertoo.

Projekti tehdään yhteistyössä Sitran IHAN-hankkeen kanssa. IHAN on reilua datataloutta rakentava hanke, jossa on mukana Suomen lisäksi useita Euroopan maita ja mm. globaali MyData-verkosto. Projektissa tuotettu avoin lähdekoodi julkaistaan myös Github-ympäristössä, jolloin se on koko kehittäjäverkoston käytössä. Koodi ei sisällä HUS-spesifiä tietoa.

Lapsidiabeetikko-projektin tulokset ja tavoitteet on julkaistu myös eurooppalaisessa EHTEL (the European Health Telematics Association) symposiumissa Barcelonassa joulukuussa 2019.

Lisätietoja

• Päänalueen kuvantamisanalytiikka
  Taru Hermens, projektipäällikkö, taru.hermens[at]hus.fi
  Miikka Korja, kehittämisylilääkäri, Neurokirurgian osastonylilääkäri ja dosentti, miikka.korja[at]hus.fi
  
  
• Lapsidiabeetikko / IHAN (Sitra)
  Birgit Paajanen, projektipäällikkö, birgit.paajanen[at]hus.fi
  Päivi Miettinen, osastonylilääkäri, dosentti, HUS Lastentaudit, lastenendokrinologian vastuulääkäri, paivi.miettinen[at]hus.fi