Big data voi auttaa leukemiapotilaita ja pikkukeskosia
Aalto-yliopisto on mukana tutkimushankkeessa, jossa kehitetään terveydenhoitoon uusia datalähtöisiä teknologioita.
Miten jo olemassa olevia tietomassoja voitaisiin hyödyntää tehokkaasti eri sairauksien hoidossa? Tähän kysymykseen etsitään ratkaisuja Suomen Akatemian rahoittamassa Datalähtöinen päätöksenteko digitaalisessa terveydenhuollossa – D4Health -hankkeessa, jossa ovat mukana Aalto-yliopiston tietotekniikan laitos ja sähkötekniikan ja automaation laitos, Helsingin yliopiston ja Aallon yhteinen HIIT-tutkimusyksikkö sekä Suomen molekyylilääketieteen instituutti FIMM.
Hankkeen rahoitus on 1,2 miljoonaa euroa. Sen tavoite on kehittää menetelmiä suurten lääketieteellisten aineistojen yhdistämiseksi ja ennustemallien muodostamiseksi sekä luoda mukautuvia käyttöliittymiä, jotka auttavat lääkäreitä diagnoosien tekemisessä ja hoidon suunnittelussa. Lääketieteen asiantuntijat ovat projektissa tärkeässä roolissa.
– Teemme tiivistä yhteistyötä HUSin kanssa, hankkeesta vastaava professori Juho Rousu korostaa.
– Tavoitteenamme on hyödyntää potilaan digitalisoitua sairauskertomushistoriaa kuvaamaan taudin ilmiasua ja tarkastella sitä potilaan geneettistä taustaa vasten. Näin voimme saada entistä tarkemman ja yksilöllisemmän käsityksen taudista, kertoo HUS-konsernin tutkimusjohtaja Ari Lindqvist.
Uusi digitaalinen metodologia yhdistää eri lähteissä olevaa dataa ja auttaa lääkäreitä tehostamaan diagnoosien tekemistä.
Kolme pilottiprojektia
Hankkeessa on mukana kolme pilottia: pikkukeskoset, leukemia ja keuhkoahtaumatauti (COPD).
– Pikkukeskosten osalta tavoitteena on ennustaa taudin etenemistä aivan ensimmäisistä herkistä signaaleista lähtien ja rakentaa ennustemalleja näiden löydösten pohjalta. Päättelykyky ja nopeus paranevat tekoälyn ansiosta, Lindqvist selittää.
Leukemiasta ja keuhkoahtaumataudista on valmiina muutamaa tuhatta ihmistä koskevat genomimittaukset, joiden avulla voidaan selvittää geenien toimintaa ja mahdollisia mutaatioita sekä lääkeaineiden vaikutusta geenien toimintaan.
– Tietyntyyppiset geenivariantit saattavat sopia paremmin yhteen tietyn lääkeaineen kanssa, Rousu selittää.
– Laskennalliset verkkomallinnusalustat voivat mahdollistaa yksilöllisten lääkehoitojen löytämisen vaikeahoitoisille leukemiapotilaille, kun käytämme hyväksi heidän henkilökohtaisia genomiprofiilejaan, kertoo professori Tero Aittokallio, FIMMistä. Hän vastaa leukemiapilotista yhdessä FIMMin, HIITin ja HUSin tutkijoiden kanssa.
– Genomidatan hallintaan erikoistunut BC Platforms Oy on mukana hankkeessa yritysyhteistyökumppanina, kuten myös Kustannus Oy Duodecim, Rousu täydentää.
Sairauksiin liittyviä vakiotietoja käytetään mallien ja ohjelmistojen kehittämiseen ja testaamiseen. Datan yksityisyys turvataan ottamalla siitä ensimmäisenä tunnistetiedot pois. Sensitiivisimmän datan analyysi tapahtuu HUSin tiloissa.
Koneoppimista hyödyntävä tutkimushanke sijoittuu Aalto-yliopiston kahden tutkimuksen avainalueen – digitalisaation sekä terveyden ja hyvinvoinnin – risteyskohtaan. Se liittyy myös Health Capital Helsinki -hankkeeseen, jonka tavoitteena on kehittää Life Science -alojen tutkimus- ja yrityskeskittymää pääkaupunkiseudulla.
Lisätiedot:
Professori Juho Rousu
Puh. 050 415 1702
juho.rousu@aalto.fi
Aalto Health Platform: http://health.aalto.fi/en/