Nyligen publicerat: Dataanalys avslöjade nya patientgrupper

Vid en internationellt unik dataanalys undersökte man de 100 vanligaste diagnoserna hos HUS 1,28 miljoner patienter och interaktionen mellan dessa sjukdomar hos fler än 520 000 patienter under en fyraårig uppföljning.

Den nyligen publicerade studien kartlägger hur mångskiftande olika sjukdomar och interaktionen mellan dem kan vara. I typiska kliniska studier är patientgrupperna noggrant avgränsade och representerar inte nödvändigtvis befolkningen. I denna studie var såväl datamängden som analysens omfattning ovanligt stora.

Två av tre patienter i studien hade flera samtidiga sjukdomar och nästan hälften hade minst tre sjukdomsdiagnoser.

Alla 100 sjukdomar hade undergrupper. Särskilt värda att notera är de undergrupper där laboratorievärdena eller den förväntade livslängden skiljde sig från de hos andra patienter med samma underliggande sjukdom.

”Det kan tyda på olika vårdbehov hos olika patientundergrupper och eventuella biologiska skillnader”, säger publikationens försteförfattare, teknologie doktor, docent Miika Koskinen vid HUS IT-förvaltning.

Samma diagnos, annat yttrande

Man upptäckte att till exempel astma yttrade sig på flera olika sätt och kunde delas in i 27 olika undergrupper, medan astmatyperna an inom dagens diagnostik delas in i tre olika grupper. Bland astmatiker hittade man statistiskt betydande skillnader mellan patientundergrupperna till exempel i antalet vita blodkroppar, dvs. eosinofiler, och i njurfunktionen.

Dataanalysen avslöjade flest undergrupper bland patienter med förmaksflimmer, totalt 31, med skillnader i såväl associerade sjukdomar som dödlighet.

”Vi kan se hur de olika undergrupperna kan vara och hitta nya utgångspunkter för en fortsatt studie. Genom att förstå sjukdomens heterogenitet genom beräkningsmodellering får vi nya möjligheter att ställa en ännu noggrannare diagnos och prognos för patientgrupperna samt ge ännu mer individuell vård”, säger Koskinen.

Unika digitala register i Finland

Den nyligen publicerade studien rör sig i gränslandet mellan datavetenskap och medicin. I studien utnyttjades HUS datasjö, där diagnoser, resultat från laboratorieprov och uppgifter om dödsfall plockades ut. Informationen om finländarnas hälsa har under årtionden sammanställts digitalt i olika register, som också internationellt sett utgör ett betydande datalager.

Fram till idag har man skräddarsytt till exempel individuell vård eller cancerscreening inom precisionsmedicinen baserat på geninformation.

”I denna studie gör vi tvärtom och utreder snarare fenotypen, alltså hur en sjukdom yttrar sig. När vi förstår sätten som en sjukdom yttrar sig kan vi ställa noggrannare diagnoser och skräddarsy vården enligt det personliga symtomspektrumet. Med en tydligare fenotyp får vi en mer homogen patientgrupp och kan med större sannolikhet hitta de genetiska riskfaktorerna. Dataanalytik erbjuder flera olika möjligheter”, berättar Miika Koskinen.

Härnäst kommer Miika Koskinen med hjälp av dataanalytik att studera utvecklingen av hjärtsjukdomar på lång sikt.

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

På grund av det omfattande forskningsmaterialet finns sjukdomarna och sjukdomsgrupperna i studien samt forskningsresultaten att se på den öppna webbplatsen.

___

Vid Mejlans campus produceras årligen cirka 2 000 nya vetenskapliga publikationer. I artikelserien Nyligen publicerat visas ett litet urval av dessa artiklar. Målet är att med hjälp av exempel öppna upp det breda spektret av forskning på Mejlans campus och föra den hälsovetenskapliga forskningen närmare människornas vardag.
___

För mera information till medierna:

Kontaktuppgifter till HUS medietjänst