Oletko koskaan miettinyt, miten paljon sähköistä dataa kertyy esimerkiksi yhden vuoden sairaalakäynneistä? Lyhyesti: valtavasti. Esimerkiksi pelkästään koko HUSin alueen vuosittaiset potilasmäärät lasketaan miljoonissa, ja potilaat jättävät sähköiseen potilastietojärjestelmään monenlaista tietoa: verikoetuloksia, lääkitys- ja leikkaustietoja, diagnooseja, lausuntoja ja paljon muuta.
– Dataa ropisee ihan koko ajan, sanoo Miika Koskinen.
Koskinen on tekniikan tohtori ja dosentti. Hän työskentelee HUS Diagnostiikkakeskuksessa ja Uudessa lastensairaalassa. Omien sanojensa mukaan hän puurtaa datatieteen ja lääketieteen risteyskohdassa.
Koskinen kertoo, että datatiede on sairaaloissa kansainvälisesti vielä suhteellisen varhaisessa kehitysvaiheessa, mutta kehitys on nopeaa. Vasta viime vuosina maailmalla on siirrytty digitaalisiin tietojärjestelmiin. HUS on ollut yksi edelläkävijöistä.
”Tavoitteemme on saada syvempää ymmärrystä sairauden kehittymisestä ja riskitekijöistä sekä kohdistaa hoitoa aiempaa paremmin ja yksilöllisemmin.”
– Nyt meillä alkaa olla dataa, mutta ydin on se, miten saamme niin sanotusta raakadatasta jalostettua hyödyllistä informaatiota terveydenhuollon käyttöön.
Sairaaloissa tarvitaan esimerkiksi data-analyytikoita ja lisäksi matemaattista algoritmiosaamista tarjoavia datatieteilijöitä. Oleellista on myös yhteistyö kliinikoiden kanssa sekä johtoportaan tuki.
– Tavoitteemme on saada syvempää ymmärrystä sairauden kehittymisestä ja riskitekijöistä sekä kohdistaa hoitoa aiempaa paremmin ja yksilöllisemmin. Samalla voidaan kehittää organisaation toimintaa. Tuloksena on näyttöön perustuvaa hoitoa ja näyttöön perustuvaa johtamista.
Tietoallastutkimuksia on käynnissä myös Kummien kliinisen tutkimuksen kiihdyttämishankkeessa
Tällä hetkellä tutkijat saavat aineistoa rekistereistä, biopankeista ja sairaaloiden tietoaltaista, joihin on koottu kaikki sairaalan digitaaliset potilastiedot.
Esimerkiksi HUSissa 3–4 data-analyytikkoa poimii jatkuvasti tietoa suuresta tietoaltaasta Uuden lastensairaalan tarpeisiin.
Tietoallastutkimuksia on meneillään myös Kummien kliinisen tutkimuksen kiihdyttämishankkeessa. Kahdessa tietoallastutkimuksessa tarkastellaan vastasyntyneiden off label -lääkitystä ja lastenneurologian kehityshäiriöitä. Koskinen on mukana kaikissa edellä mainituissa tutkimuksissa.
Tietoallastutkimuksissa data-analyytikot esikäsittelevät ja siivoavat dataa ja tekevät tilastollista analyysiä sekä kehittävät koneoppimismalleja. Tietoallastutkimukset ovat moniammatillisia, eli niissä on mukana useita ammattiryhmiä.
Datan avulla keskosina syntyneitä lapsia voidaan seurata muutama vuosi eteenpäin: tuleeko lapsi myöhemmin takaisin sairaalaan, ja jos tulee, miksi ja saako hän uusia diagnooseja.
– Off label -tutkimuksissa selvitetään, millaisia vaikutuksia pienille keskosille on lasten teho-osastolla annetuista lääkkeistä.
Off label -hoidossa lääkäri määrää lääkettä sellaiseen käyttötarkoitukseen tai sellaisen ikäryhmän lapselle, jota ei mainita valmisteyhteenvedossa. Syynä on useimmiten se, ettei lapsilla ole tehty kyseisen lääkkeen kohdalla tarkkaa lääketutkimusta.
Koskinen kertoo, että datan avulla keskosina syntyneitä lapsia voidaan seurata muutama vuosi eteenpäin: tuleeko lapsi myöhemmin takaisin sairaalaan, ja jos tulee, miksi ja saako hän uusia diagnooseja.
– Tavoitteena on muodostaa malli, jotta ymmärrämme eri lääkkeiden vaikutuksia eri tyyppisillä potilailla. Erityisesti yritetään fokusoida, löytyykö haittavaikutuksia. Mallintaminen on tärkeää. Sen avulla voimme ymmärtää väestöä.
Erinomaiset kansalliset rekisterit antavat hyvät mahdollisuudet tutkimukselle
Suomi on erinomainen maa datatutkimuksen näkökulmasta. Yksi syy on hyvät kansalliset rekisterit.
– Terveyden ja hyvinvoinnin laitos, Kela, sairaalat… Lääketieteellisen tutkimuksen tekeminen arkipäivän datalla antaa uusia mahdollisuuksia huomioida esimerkiksi väestön monimuotoisuus.
Koskisen mukaan rekistereitä hyödyntämällä voi olla myös mahdollista seurata erilaisten sairauksien kehittymistä.
– Ydinkysymys on datan tarjoama hyöty. Oleellista on kyky jalostaa raakadata hyödylliseksi tiedoksi hoitopäätösten ja johtamisen tueksi.
Toisin sanoen: dataa tullaan hyödyntämään lääketieteessä yhä laajemmin, laskennallisten mallien tavoitetaso nousee ja datatieteilijöillä on yhä enemmän töitä terveydenhuollossa.
Teksti: Laura Koljonen