archived
Arvioitu lukuaika 4 min
Tämä sivu on arkistoitu ja saattaa sisältää vanhentunutta tietoa

Tekoäly yrittää pelastaa kymmenet tuhannet sairaat turhalta pompottelulta

Jos analyysi toimii harvinaissairauksien hoidossa, se todennäköisesti toimii muidenkin potilasryhmien kohdalla, joista dataa on enemmän.

Kirjoittajat

Tuula Tiihonen

Johtava asiantuntija, Ratkaisut

Jukka Vahti

Johtava asiantuntija, Ennakointi ja koulutus

Julkaistu

Harvinaissairauksien diagnosointi on usein vaikeaa, potilaan hoitopolku hajanainen ja hoito hidasta, tehotonta ja siksi myös kallista. Helsingin ja Uudenmaan sairaanhoitopiiri HUS ja suomalainen startup-yritys Kirontech ovat vastikään aloittaneet kokeilun, jossa tekoäly valjastetaan tunnistamaan harvinaissairauksia ja niiden hoidon hidasteita.

Harvinaissairaudet eivät ole nimestään huolimatta kovin harvinainen vaiva, vaan ne koskevat yllättävän suurta ihmisjoukkoa. Harvinaissairauksiin kuuluu noin 8 000 tautia, ja niitä sairastaa elämänsä aikana kuudesta kahdeksaan prosenttia suomalaisista. HUSin asiakkaista noin seitsemällä prosentilla on harvinaissairauden diagnoosi. Tämä tarkoittaa 45 000 erillistä potilasta vuosittain. Heidän hoidostaan koostuu lähes 17 prosenttia HUSissa syntyvistä vuosikustannuksista, sillä harvinaissairauspotilaiden hoito on keskimäärin kaksi ja puoli kertaa kalliimpaa kuin muiden potilaiden.

Harvinaissairauksien hoitoa pyritään kehittämään vastikään alkaneella HUSin ja startup-yritys Kirontechin kokeiluhankkeella, jossa tekoäly analysoi harvinaissairauksien hoitamiseen liittyviä laajoja data-aineistoja. Hanke on Sitran rahoittama.

”Usein kyse on monimutkaisista taudeista, joihin liittyy erilaisia ongelmia. Osin kustannukset johtuvat myös siitä, että hoitoketju ja palveluverkko eivät ole optimaalisesti suunniteltuja ja asiakkaalle tulee hirveästi turhaa poukkoilua. Kustannuksia syntyisi paljon vähemmän, jos ymmärtäisimme näiden potilaiden kulkemisen järjestelmän sisällä paremmin”, HUSin kehittämisjohtaja Visa Honkanen kertoo.

Virtuaalisella yksiköllä kohti parempaa hoitoa

Suurin osa terveydenhuollossa tehtävistä diagnooseista koskee suhteellisen yleisiä tauteja, esimerkiksi aivoverenkierron häiriöitä, sydän- ja verisuonitauteja, psyyken tauteja tai diabetesta. Harvinaissairauksissa yksittäisestä taudista kärsivien määrä on hyvin pieni, ja sen vuoksi heille ei terveydenhuoltojärjestelmässä myöskään ole kehittynyt järkeviä hoitopolkuja. Harvinaissairauksiin lasketaan esimerkiksi erilaiset vasta-ainevajaukset, eli potilaat, jotka sairastuvat helposti erilaisiin infektioihin kuten keuhkokuumeeseen.

”Tällaisten potilaiden kohdalla järjestelmämme oivaltaa aika huonosti, että tämä ihminen ei nyt muuten vain sairastele usein tai valita turhasta. Toinen esimerkki ovat erilaiset kertymäsairaudet, joissa oireet tulevat hyvin hitaasti, kun elimistöltä puuttuu kyky hajottaa jotain syntyvää jätemolekyyliä. Tällaisissa tapauksissa oireet voivat myös edetä hyvin monilla eri tavoilla, ja oireita voi tulla mistä elimistön osasta tahansa”, Honkanen sanoo.

Palvelujen ja hoidon parantamiseksi HUS on perustanut virtuaalisen harvinaissairauksien yksikön yhdessä lastenklinikan kanssa. Virtuaalinen yksikkö tarkoittaa sitä, että ei ole olemassa fyysistä osastoa, johon harvinaisempia sairauksia sairastavat tulisivat, vaan että heidän tietonsa kootaan yhteen, virtuaaliseen paikkaan. Tulevaisuudessa potilaita voitaisiin myös auttaa virtuaalivastaanotolla.

Kirontechin ja HUSin lokakuussa alkanutta hanketta varten on koottu kaikki HUSista saatavissa oleva data harvinaisia sairauksia sairastavien potilaiden hoitopoluista anonymisoidussa muodossa. Suurin osa harvinaisista sairauksista on geneettisiä ja usein myös perinnöllisiä. Vastedes analyysiin on tarkoitus yhdistää myös genomitieto. Jos pilotti antaa lupaavaa tietoa, seuraava askel olisi pyrkiä jatkuvaan kertyvän tiedon analyysiin. Tällöin tekoäly voisi vähitellen alkaa neuvoa, miten eri tilanteissa tulisi toimia.

Hankkeessa käytettävällä graph-analyysilla voidaan tutkia monimutkaisia vuorovaikutussuhteita. Analyysissa etsitään kaikki polut ja linkit eri tapahtumien välillä sekä etsitään myös yhtäläisyyksiä eri potilaiden väliltä. Käytössä on muun muassa laboratorio-, raportti-, sairauskertomusdataa sekä erilaista metadataa siitä, missä asiakas on käynyt. Analyysin pohjalta potilaiden hoitopolkuja yritetään tehostaa.

Mittavat kasvunäkymät sekä Suomessa että maailmalla

Kokeiluhankkeen alustavat tulokset saadaan jo kuluvan vuoden loppuun mennessä, jolloin voidaan myös arvioida sen onnistumista. Analyysimenetelmän käyttömahdollisuudet voivat olla laajat sekä Suomessa että globaaleilla markkinoilla. Jos analyysi toimii harvinaissairauksien kohdalla, se hyvin todennäköisesti toimii muidenkin potilaiden kohdalla, koska yleisemmistä taudeista analysoitavaa dataa on hyödynnettävissä paljon enemmän.

”Vahva hypoteesi on, että terveydenhuollon turhista kustannuksista iso osa tulee siitä, että potilaille tehdään toimenpiteitä ja potilailla on hoitopolun aikana sellaisia kontakteja, jotka eivät luo lisäarvoa.  Joskus käynnin tai tutkimuksen tuloksena syntyy vain uusi käynti tai uusi tutkimus,”, Honkanen sanoo.

Hajanaiset hoitopolut eivät ole vain suomalainen ongelma, joten data-analyysiin perustuville toimiville ratkaisuille löytyy hyvin todennäköisesti myös kansainvälistä kysyntää.

”Jos tämä toimii niin harvaan asutussa maassa kuin Suomessa, se toimii muuallakin, esimerkiksi Britanniassa, missä on kymmenen kertaa enemmän asukkaita. Silloin harvinaisten sairauksienkin kriittinen massa on isompi ja polkuanalyysia on helpompi tehdä. Siksi Kirontechillä voi olla tässä potentiaalinen vientituote käsissään”, Honkanen arvioi.

Lisätiedot:
Visa Honkanen, kehittämisjohtaja, HUS, puh. 050 427 5023, visa.honkanen@hus.fi

Mistä on kyse?