Juuri julkaistu: Data-analyysi paljasti uusia potilasryhmiä

Kansainvälisesti ainutlaatuisessa data-analyysissä selvitettiin HUSin 1,28 miljoonan potilaan aineistosta 100 yleisintä diagnoosia ja näistä tautien yhteisvaikutuksia tarkemmin yli 520 000 potilaalta neljän vuoden seuranta-aikana.

Juuri julkaistu tutkimus on kartoitus siitä, miten moninaisia eri sairaudet ja niiden yhteisvaikutukset voivat olla. Tyypillisissä kliinisissä tutkimuksissa potilasryhmät ovat tarkasti rajattuja, eivätkä välttämättä edusta väestöä. Tässä tutkimuksessa sekä datamäärä että analyysin laajuus olivat poikkeuksellisen suuret.

Tutkimuksen potilaista kahdella kolmesta oli useita samanaikaisia sairauksia ja lähes puolella sairausdiagnooseja oli vähintään kolme.

Kaikista 100 sairaudesta löytyi alaryhmiä. Erityisesti huomion arvoisia ovat alaryhmät, joilla laboratorioarvot tai elinajanodotteet poikkesivat muiden samaa perustautia sairastavien potilaiden vastaavista.

”Tämä voi viitata eri potilasalaryhmien erilaisiin hoidon tarpeisiin ja mahdollisiin biologisiin eroihin”, sanoo julkaisun ensimmäinen kirjoittaja, tekniikan tohtori, dosentti Miika Koskinen HUSin Tietohallinnosta.

Sama diagnoosi, eri ilmentymä

Esimerkiksi astman havaittiin ilmentyvän monin eri tavoin jakautuen 27 eri alaryhmään, kun nykydiagnostiikassa astmatyypit jaetaan kolmeen eri ryhmään. Astmaa sairastavien joukosta löytyi tilastollisesti merkitseviä eroja potilasalaryhmien välillä esimerkiksi veren valkosolujen eli eosinofiilien määrässä sekä munuaisten toiminnassa.

Eteisvärinää sairastavien osalta data-analyysi paljasti eniten alaryhmiä, yhteensä 31, joiden välillä oli eroja sekä liitännäissairauksissa että kuolleisuudessa.

”Pystymme näkemään, minkälaisia eri sairauksien alaryhmät voivat olla ja löytää uusia lähtökohtia jatkotutkimukseen. Sairauden heterogeenisyyden ymmärtäminen laskennallisen mallinnuksen avulla avaa mahdollisuuksia potilasryhmien aiempaa tarkempaan diagnoosiin ja ennusteeseen sekä yksilöllisempään hoitoon”, Koskinen sanoo.

Suomessa ainutlaatuiset digitaaliset rekisterit

Juuri julkaistu tutkimus liikkuu datatieteen ja lääketieteen välimaastossa. Tutkimuksessa hyödynnettiin HUSin tietoallasta, josta poimittiin diagnoosi, laboratoriokoetulokset ja kuolintiedot. Suomalaisten terveyteen liittyvää tietoa on koottu digitaalisesti vuosikymmenien ajalta eri rekistereihin, jotka muodostavat kansainvälisestikin katsottuna merkittävän tietovarannon.

Tähän asti on geenitiedon perusteella yksilöllistetyssä lääketieteessä räätälöity esimerkiksi yksilöllistä hoitoa tai syöpäseulontaa.

”Tässä tutkimuksessa edetään päinvastoin ja selvitetään tarkemmin fenotyyppi eli miten tauti ilmenee. Kun ymmärretään sairauden ilmenemismuodot, potilaan diagnosointi tarkentuu ja hoidot on mahdollista räätälöidä yksilöllisen oirekirjon mukaan. Tarkentuneen fenotyypin avulla saadaan aikaan homogeenisempiä potilasjoukkoja, jolloin geneettisten riskitekijöiden löytäminen on todennäköisempää. Data-analytiikka tarjoaa lukuisia mahdollisuuksia”, Miika Koskinen kertoo.

Seuraavaksi Miika Koskinen tutkii data-analytiikan avulla sydänsairauksien kehittymistä pitkällä aikavälillä.

Tutkimusartikkeli: Data‑driven comorbidity analysis of 100 common disorders reveals patient subgroups with difering mortality risks and laboratory correlates

Tutkimusaineiston laajuuden vuoksi tutkimuksen sairaudet ja tautiryhmät sekä tutkimustulokset ovat nähtävissä avoimella verkkosivustolla.

___

Meilahden kampuksella tuotetaan vuosittain noin 2000 uutta tieteellistä julkaisua. Juuri julkaistu -juttusarjassa uutisoidaan pieni otos näistä artikkeleista. Tavoitteena on esimerkein avata Meilahden kampuksen tutkimuksen laajaa kirjoa ja tuoda terveystieteellistä tutkimusta lähemmäksi ihmisten arkea.
___

Lisätietoja medialle:

HUSin mediapalvelun yhteystiedot