Väitös tietotekniikan alalta, M.Sc. Arsi Ikäheimonen

Väitöskirjan nimi: Advancing Research Methodologies in Digital Phenotyping for Mental Health

Väittelijä: Arsi Ikäheimonen 
Vastaväittäjä: professori Niels van Berkel, Aalborg University, Tanska
Kustos: apulaisprofessori Mikko Kivelä, Aalto-yliopiston perustieteiden korkeakoulu 

Mielenterveyden häiriöt aiheuttavat merkittävää kuormitusta sekä yksilöille että terveydenhuoltojärjestelmille maailmanlaajuisesti. Häiriöiden arviointi ja diagnosointi perustuvat usein kliinisiin haastatteluihin, jotka voivat olla subjektiivisia ja vaatia runsaasti aikaa sekä terveydenhuollon resursseja. Näihin haasteisiin vastaamiseksi tutkijat ovat hyödyntäneet älypuhelimia ja muita henkilökohtaisia laitteita arkielämän käyttäytymistä kuvaavien digitaalisten jälkien keräämiseen. Digitaalinen fenotyypitys on kehittyvä tutkimusala, jossa yksilöllistä käyttäytymisdataa hyödynnetään perinteisten terveysarvioiden täydentämiseksi objektiivisella, todellisissa elinympäristöissä kerätyllä tiedolla.

Tässä väitöskirjassa digitaalisen fenotyypityksen tutkimusta tarkastellaan kahdesta näkökulmasta: metodologisesta ja käytännöllisestä. Metodologinen osuus keskittyy keskeisiin haasteisiin, jotka ovat hidastaneet alan kehitystä, erityisesti tutkimusten heikkoon toistettavuuteen ja vertailtavuuteen. Työssä esitellään avoimesti saatavilla oleva, standardoitu ohjelmisto sekä dataohjautuva työnkulku käyttäytymisdatan analysointiin. Näiden avulla käyttäytymisanalyysistä pyritään tekemään selkeämpää, läpinäkyvämpää ja helpommin lähestyttävää myös uusille tutkijoille.

Käytännön näkökulmasta väitöskirjassa arvioidaan älypuhelimilla kerätyn käyttäytymisdatan soveltuvuutta masennusoireiden vaikeusasteen seurantaan ja ennustamiseen masennusdiagnoosin saaneilla potilailla. Tulokset osoittavat, että henkilökohtaisesta älypuhelindatasta koulutetut koneoppimismallit pystyvät ennustamaan masennusoireiden muutoksia. Lisäksi tutkimukset osoittavat, että tällaisen datan kerääminen on mahdollista myös kliinisissä populaatioissa. Potilaiden ja terveiden osallistujien sitoutuminen tutkimukseen ja heiltä kerätyn datan määrä olivat samankaltaisia. Tulokset viittaavat myös siihen, että yksilön sisäiset käyttäytymismuutokset ovat informatiivisempia kuin yksilöiden väliset erot, mikä korostaa yksilöllisten ennustemallien ja pitkittäisseurannan merkitystä.

Kokonaisuutena väitöskirja tarjoaa konkreettisia työkaluja, metodologisia ohjeita ja empiiristä näyttöä mielenterveyden digitaalisen fenotyypityksen tutkimukseen. Tulokset tukevat tulevaa tutkimusta ja havainnollistavat, miten tämä lähestymistapa voi täydentää masennuksen ymmärtämistä ja seurantaa arkielämän ympäristöissä.

Avainsanat: Digitaalinen fenotyypitys, mielenterveys, masennus, älypuhelindata, koneoppiminen

Linkki väitöskirjan sähköiseen esittelykappaleeseen (esillä 7 päivää ennen väitöstä): Aalto-yliopiston riiputussivu.