Tupakoitsijan riski saada mitä tahansa komplikaatioita leikkauksen jälkeen on huomattavasti suurempi kuin savuttomien potilaiden. Laajaan data-aineistoon perustuva rekisteritutkimus vahvistaa kiistatta tupakoinnin aiheuttamat riskit toipumiselle.
Maaliskuussa julkaistun rekisteritutkimuksen aineistona olivat kaikki Husissa vuosina 2015–2019 tehdyt leikkaukset. Laaja tutkimus kertoo tärkeää tietoa tupakoinnin vaikutuksista leikkauksen jälkeisiin komplikaatioihin, mutta se on myös konkreettinen osoitus koneoppimisen ja sairaaloiden tietoaltaiden tarjoamista laajoista mahdollisuuksista tutkimukselle.
Tutkimusta johtanut Porvoon sairaalan keuhkosairauksien ylilääkäri Heikki Ekroosin mukaan tutkimus vahvisti kiistatta tupakoinnin haitalliset vaikutukset leikkauspotilaille.
Lähtöaineisto kattoi noin miljoona leikkausta. Leikkauspotilaiden potilastekstit analysoitiin ja niistä poimittiin kaikki tupakointiin liittyvät lauseet.
”Tämän jälkeen kliinikot lukivat lauseita ja määrittelivät, mitkä kuvaavat tupakoitsijoita ja mitkä entisiä tupakoitsijoita tai tupakoimattomia. Kun lauseet oli luettu ja määrittelyt oli tehty, koneoppimisalgoritmi koulutettiin etsimään tupakoitsijat”, Medaffconin Senior Data Scientist Juhani Aakko kertoo.
Algoritmi pystyi erottamaan potilasteksteistä tupakoitsijat ja tupakoinnin lopettaneet potilaat sekä ne, jotka eivät ole koskaan tupakoineet. Lääkärit olivat määritelleet etukäteen myös komplikaatiot, joita haettiin.
Tutkimuksen ulkopuolelle suljettiin alle 16-vuotiaat potilaat ja ne, noiden tupakoinnista ei ollut tietoa, sekä ne, joiden ASA-luokka ei ollut tiedossa.
ASA on Yhdysvaltain anestesiologien yhdistyksen luokitus, jolla kuvataan leikkaukseen tulevan potilaan sairastavuutta. Luokitus on välillä 1–5, jossa 1 on terve alle 65-vuotias potilas ja 5 on kuolemansairas potilas, jonka arvioitu elinaika ei ylitä 24:ää tuntia ilman leikkausta.
Loppujen lopuksi tutkimukseen jäi tekoälyn analysoitavaksi kaikkiaan 158 638 leikkausta. Tulosten perusteella sekä nykyisillä että entisillä tupakoitsijoilla on selvästi kasvanut riski saada komplikaatioita leikkauksen jälkeen.
”Aineisto oli erittäin laaja, mutta jouduimme jättämään satoja tuhansia leikkauksia pois, koska tupakkatietoa ei ollut potilastiedoissa”, Ekroos toteaa.
Joskus tieto oli myös niin epäselvästi kirjattu, että sitä ei voitu hyödyntää.
Tutkimus on osa erikoistuvan lääkärin Helene Gräsbeckin väitöskirjatyötä, jota Ekroos ohjaa yhdessä professori Tuula Vasankarin kanssa. Data-analyysistä vastasivat Medaffconin Juhani Aakko ja Olivia Hölsä, joka teki algoritmin diplomityönään.
Tutkimus jatkuu niin, että nyt arvioidaan tupakoivien potilaiden leikkauksen jälkeiseen hoitoon liittyviä kustannuksia ja sitä, kuinka paljon suuremmat ne ovat kuin tupakoimattomien potilaiden kustannukset. Kustannuksiin vaikuttavat esimerkiksi sairaalahoidon kesto ja päivystyskäyntien määrä.
Tekstilouhinta auttoi analysoimaan miljoona tupakointikirjausta
Medaffconin koneoppimisalgoritmi mukautuu erilaisiin tutkimustarpeisiin
Terveydenhuollon rakenteeton tieto auttaa ratkomaan uusia kysymyksiä
Rakenteeton data ja koneoppiminen Real-World Evidence -tutkimuksessa
Target Trial Emulation ei korvaa satunnaistettuja kontrolloituja tutkimuksia, mutta se soveltaa niiden logiikkaa ja tarkkuutta reaalimaailman tietojen analysointiin.
Data-tiimin työn ytimessä on potilastietojen käsittely ja analysointi, erityisesti Real-World Evidence (RWE) -tutkimuksissa.
Algoritmi kehitettiin alun perin poimimaan tupakointitietoja potilasteksteistä, jotta voitiin analysoida tupakoinnin vaikutuksia leikkauksen jälkeisiin komplikaatioihin. Nykyään sitä hyödynnetään myös keuhkosyöpätutkimuksessa.
Data Analysis Lead
MSc (Tech.)
+358 44 314 1597
iiro.toppila@medaffcon.com
Iiro aloitti Medaffconilla tilastotieteen asiantuntijatehtävissä maaliskuussa 2017. Ennen tätä hän on toiminut neljä vuotta tutkimusassistenttina akateemisessa tutkimusryhmässä analysoiden kliinistä ja geneettistä potilasdataa. Koulutukseltaan Iiro on bioinformaatioteknologian diplomi-insinööri.
Iiron vahvuuksiin kuuluu tilastotieteen ja data-analyysin vahva tuntemus ja hands-on kokemus sensitiivisen potilasdatan kanssa työskentelystä, sekä poikkitieteellinen kommunikaatio eri alan asiantuntijoiden välillä. Alalla Iiroa kiinnostaa erityisesti teknologian murroksen avaamat suuret datamäärät ja se, kuinka tästä datasta saatavaa tietoa voidaan potentiaalisesti hyödyntää konkreettisten johtopäätösten tekoon, niin sairauksien luonteen ymmärtämiseksi kuin lääketeollisuuden tavoitteiden ja potilaiden hoidon edistämiseksi.
”Koneoppiminen ja tekoälypohjaiset työkalut mullistavat terveydenhuoltoa nyt ja tulevaisuudessa, mutta näitäkin tärkeämpää on saattaa jo olemassa oleva terveysdata tehokkaaseen käyttöön terveyden edistämiseksi.”