Takaisin

UEF ja KYS koordinoimaan pohjoismaista uniapnean diagnostiikan kehittämiseen tähtäävää miljoonahanketta

Itä-Suomen yliopisto ja Kuopion yliopistollinen sairaala (KYS) ovat saaneet yli kahden miljoonan euron tutkimusrahoituksen uniapnean diagnostiikan kehittämiseen. UEF ja KYS koordinoivat projektia, joka toteutetaan yhteistyössä Reykjavikin yliopiston (Islanti) ja Akershusin yliopistollisen sairaalan (Norja) kanssa. Lisäksi tutkimushankkeessa on mukana viisi kotimaista yritystä: Nokia Solutions and Networks Oy, CGI Suomi Oy, Bittium Biosignals Oy, Screentec Oy ja Nukute Oy.

Obstruktiivinen uniapnea on yleinen, kansanterveydellisesti merkittävä sairaus, joka lisää hoitamattomana muun muassa riskiä sairastua diabetekseen ja sydän- ja verisuonitauteihin. Uniapnean diagnosointiin ja vakavuuden määrittämiseen käytettävät menetelmät ovat kuitenkin työläitä, kalliita ja osittain jopa epätarkkoja.

Tutkimusprojektin tarkoituksena on kehittää uusia, nykyistä tarkempia ja pitkälle automatisoituja menetelmiä uniapnean diagnostiikkaan. Uusien menetelmien odotetaan parantavan merkittävästi uniapnean vakavuuden arviointia, yksilöllisen hoidon järjestämistä sekä uniapneaan liittyvien päiväaikaisten oireiden ja liitännäissairauksien ennustamisen luotettavuutta.

— Kehitettävät menetelmät perustuvat puettaviin, potilaan unta häiritsemättömiin antureihin sekä tekoälyyn ja koneoppimiseen pohjautuviin moderneihin laskennallisiin ratkaisuihin, kertoo tutkimuskonsortion johtaja, professori Juha Töyräs.

Uusien antureiden ja laskennallisten ratkaisujen odotetaan vastaavan kasvavaan paineeseen siirtää unitutkimukset unilaboratorioista kotiympäristöön ja vähentävän unirekisteröintien manuaaliseen analysointiin tarvittavaa työaikaa ja kustannuksia. Uuden sukupolven diagnostiikka voisi mahdollistaa liitännäissairauksien tehokkaamman ennaltaehkäisyn sekä rajallisten hoitoresurssien kohdistamisen sitä eniten tarvitseville potilaille.

— Hankkeessa kehitettävät uudet ratkaisut mahdollistavat uniapnean vakavuuden arvioinnin nykyistä huomattavasti tarkemmin, sillä ne tulevat huomioimaan merkittävimmät unenaikaisiin hengityskatkoihin liittyvät riskitekijät, sekä hengityskatkoista aiheutuvan fysiologisen kuormituksen potilaskohtaisesti, kertoo tekoälyn ja koneoppimisen hyödyntämiseen tähtäävän työpaketin johtaja, yliopistotutkija Timo Leppänen.

Hankkeessa analysoidaan suuria potilasaineistoja yhdessä maailman huipputasoa olevien pohjoismaisten yhteistyökumppanien kanssa. Sen lisäksi hankkeessa tehdään kiinteää yhteistyötä toimialan yritysten kanssa.

— Hankkeessa kehitettävät puettavat anturit ja uudet tekoälyyn ja koneoppimiseen perustuvat laskennalliset menetelmät voivat avata myös merkittävän terveyden tekniikan ja telelääketieteen globaalisti skaalautuvan liiketoimintamahdollisuuden, arvioi puettavan mittaustekniikan kehittämiseen ja validointiin tähtäävän työpaketin johtaja, dosentti Sami Myllymaa.

Mikä on uniapnea?

Obstruktiivinen uniapnea on yleinen, kansanterveydellisesti merkittävä sairaus, jossa potilas kärsii unenaikaisista täydellisistä tai osittaisista ylähengitysteiden tukkeumista. Hoitamaton uniapnea aiheuttaa potilaalle merkittävän terveysriskin lisäten muun muassa riskiä sairastua diabetekseen ja sydän- ja verisuonitauteihin. Hoitamaton uniapnea lisää myös liikenneonnettomuusriskiä. On arvioitu, että maailmanlaajuisesti noin 5,6-13,0 prosenttia keski-ikäisestä väestöstä sairastaa uniapneaa, ja yksin Suomessa ainakin 300 000 aikuisella on uniapnea.

— Jatkuvasti lisääntyvän ylipainon ja väestön ikääntymisen myötä uniapnean yleisyyden uskotaan yhä kasvavan tulevaisuudessa, Töyräs arvioi.

Nykyään uniapnean diagnosointi perustuu unilaboratoriossa suoritettavaan laajaan unipolygrafiaan. Se on kuitenkin menetelmänä työläs, kallis ja saatavilla rajoitetusti.

— Vaihtoehtoisesti unenaikaisia hengityshäiriöitä voidaan selvittää potilaan kotona toteutettavalla suppealla yöpolygrafialla. Menetelmä on kuitenkin puutteellinen, sillä se ei mahdollista aivojen sähköiseen toimintaan perustuvaa univaiheluokitusta ja siksi se ei sovellu laajemmin käytettäväksi erilaisten unihäiriöiden selvittämiseen, Töyräs kertoo.

Uniapnean diagnostiikasta helpompaa ja tarkempaa

Helppokäyttöisen, potilaan itsensä asetettavissa olevan langattoman mittausratkaisun kliininen tarve on kiistaton — se mahdollistaisi unen rakenteen selvittämisen osana potilaan kotona tehtävää unitutkimusta. Lisäksi diagnostiikkaan kaivataan automaattista analysointimenetelmää, joka mahdollistaisi uniapnean vaikeusasteen ja hoidon tarpeen määrittämisen nykyistä nopeammin, paremmin ja edullisemmin.

— Tekoäly ja koneoppiminen ovat moderneja laskennallisia menetelmiä, jotka ovat tulossa kovaa vauhtia kliiniseen diagnostiikkaan. Niiden soveltaminen myös uniapnean vakavuuden arviointiin tarjoaisi nopean, edullisen ja luotettavan ratkaisun nykydiagnostiikan puutteisiin, Leppänen puntaroi.

Tekoälyn avulla analysoidusta suuresta datamäärästä etsitään säännönmukaisuuksia ja uniapneataudille ominaisia piirteitä. Tässä hankkeessa kerätään pohjoismaisena yhteistyönä erittäin suuri määrä laadukasta potilasdataa, mikä mahdollistaa tekoälyn opettamisen ja testaamisen.

— Suuren aineiston analysointi voi myös auttaa meitä ymmärtämään paremmin uniapnean erilaisia ilmenemismuotoja ja ennaltaehkäisemään uniapnean vakavia terveyshaittoja, Töyräs arvioi.

Kliiniseen seulontadiagnostiikkaan kaivattaisiin myös erittäin yksinkertaista mittausratkaisua, jolla voitaisiin korvata nykyisin uniapnean seulonnassa käytettävät epätarkat kyselytutkimukset. Tällaiset mittausmenetelmät sopisivat erityisen hyvin käytettäväksi esimerkiksi sairaalahoidossa oleville aivoverenkiertohäiriöstä kärsiville potilaille. Ratkaisun tulisi olla helposti vietävissä sairaaloiden vuodeosastoille, hoitolaitoksiin ja kotimittauksiin.

Rahoitettu tutkimushanke voi synnyttää myös erittäin merkittäviä terveyden tekniikan ja telelääketieteen liiketoimintamahdollisuuksia. Kliinisen lääketieteen sovellusten lisäksi uusilla ratkaisuilla voi olla suuri markkinapotentiaali myös erilaisissa hyvinvoinnin ja terveyden omakohtaisen tarkkailun sovelluksissa.

— Olemme jo vuosia kehittäneet uutta puettavaa ja langatonta menetelmää aivosähkökäyrän (EEG) helppoon ja nopeaan mittaamiseen epilepsiakohtauksien ja epäselvien tajunnanhäiriöiden diagnostiikassa Screentec Oy:n ja Bittium Biosignals Oy:n kanssa. Bittium kaupallisti BrainStatus pika-EEG mittausratkaisun, joka on viety viranomaishyväksymisten (EU, FDA) kautta globaaleille markkinoille. Seuraavaksi vastaavantyyppinen teknologia on tarkoitus viedä potilaan kotona suoritettaviin unitutkimuksiin, Myllymaa kertoo.

Tutkimuksen yksi keskeisimmistä tavoitteista onkin kehittää käytettävyydeltään niin helppo ja yksinkertainen mittauslaite, että potilas voi omatoimisesti tehdä mittauksen kotonaan. Tämä mittauslaite yhdistettynä uusiin tekoälyyn ja koneoppimiseen perustuviin diagnosointimenetelmiin voisi merkittävästi parantaa unitutkimusten laatua ja saatavuutta sekä pienentää diagnostiikasta aiheutuvia kustannuksia.

— Nämä mahdollistavat nopean, edullisen ja luotettavan tavan diagnosoida uniapneaa sekä arvioida liitännäissairauksien riskiä, Töyräs sanoo.