Tapaturmaiset aivovammat ovat maailmanlaajuisesti yksi merkittävämpiä kuolemaa ja invaliditeettia aiheuttavia sairauksia. Vaikeat aivovammat hoidetaan neurokirurgisilla erikoisteho-osastoilla, mutta hyvästä hoidosta huolimatta jopa kolmasosa vaikean aivovamman saaneista potilaista kuolee.
Vaikean aivovamman saaneet potilaat ovat tajuttomia, minkä vuoksi potilaan voinnin seuranta on haastavaa. Teho-osastolla kerätään joka päivä useita kymmeniä erilaisia elintoimintojen mittausarvoja, jotka epäsuorasti kertovat potilaan voinnista. Yksikin mitattava muuttuja, kuten esimerkiksi kallonsisäinen paine, saattaa tuottaa satojatuhansia mittausarvoja vuorokaudessa.
Miljoonien päivittäin kertyvien mittausarvojen ymmärtäminen ja käyttäminen potilaan hoidossa on ihmisaivoille mahdotonta. Tämän vuoksi HUSin neurokirurgian klinikassa ryhdyttiin kehittämään tekoälyyn perustuva algoritmia, joka auttaisi lääkäreitä vaikeasti vammautuneiden potilaiden hoidossa. Parhaimmillaan tekoälypohjainen algoritmi voisi ennustaa potilaan henkiinjäämistä ja kertoa hoitohenkilökunnalle objektiivisella tavalla, mihin suuntaan potilaan vointi hoidon aikana kehittyy.
– Tällaista jatkuvasti muuttuvaa ennustemallia ei ole aivovammapotilaille aikaisemmin esitetty. Vaikka kysymyksessä onkin alustava algoritmi ja tulee viemään aikaa ennen kuin se saadaan kliiniseen käyttöön, tämä tutkimus kuvastaa hyvin, miten ja mihin suuntaan moderni tehohoito on kehittymässä, kertoo yksi tutkimuksen päätekijöistä, dosentti Rahul Raj.
Algoritmit ennustavat potilaan 30 vuorokauden kuolleisuuden 80 – 85 prosentin tarkkuudella.
– Olemme kehittäneet kaksi erilaista algoritmia. Ensimmäinen ja yksinkertaisempi algoritmi perustuu ainoastaan objektiiviseen monitorointidataan ja toinen monimutkaisempi sisältää myös hoitajien keräämää tietoa potilaan tajunnantasosta, kertoo yksi algoritmin tekijöistä, tietoanalyytikko Eetu Pursiainen.
– Odotetusti monimutkaisemman algoritmin suoritus on hiukan parempi kuin yksinkertaisemman, mutta molempien tarkkuus on yllättävän hyvä huomioiden, että yksinkertaisempi perustuu ainoastaan kolmeen muuttujaan ja monimutkaisempi viiteen muuttujaan.
Jatkossa algoritmit täytyy vielä testata muiden sairaaloiden potilasaineistoilla. Tällaista aineistoa saadaan Suomesta, mutta tarkoitus on validoida algoritmien luotettavuus kansainvälisen yhteistyön kautta.
– Suomi on erikoissairaanhoidon tekoälykehityksessä maailman kärkimaita, ja HUSilla yhtenä Euroopan suurimmista sairaaloista on merkittävä rooli suomalaisen huippuosaamisen viemisessä myös maailmalle. Tämän takia meistä on tärkeää toimia eettisesti, ja jakaa ainakin osa kehittämistämme algoritmeista avoimesti ja ilmaiseksi kansainvälistä jatkokehitystä varten, HUSin tekoälyohjausryhmän puheenjohtaja, neurokirurgian dosentti Miikka Korja toteaa.
Tutkimus on julkaistu Naturen Scientific Reports -tiedelehdessä, ja algoritmit ovat vapaasti ladattavissa.
Lisätietoja:
Dosentti Rahul Raj, Helsingin yliopisto ja HUS
Sähköposti: rahul.raj@hus.fi
Viite: Machine learning-based dynamic mortality prediction after traumatic brain injury. Scientific Reports. https://www.nature.com/articles/s41598-019-53889-6