Uutiset

Iso data auttaa pikkukeskosia

Ennustemallit auttavat lääkäreitä tekemään oikeita päätöksiä oikealla hetkellä.

Automaattimittausten ja käsin tehtyjen mittausten jakaumien eron happisaturaatiossa.

Aalto-yliopiston tietotekniikan laitoksen Pienet keskoset - big data -tutkimuksessa on analysoitu noin 2000 alle 1500 g painoisina syntyneen pikkukeskosen tiedot 15 vuoden ajalta.

 – Dataa on yhteensä 200 gigatavun verran. Mikäli koko tietoaineiston tulostaisi kaksipuoleisesti A4-paperille ja pinoaisi paperit päällekkäin, pinosta tulisi yhteensä kilometrin mittainen. Näin laajan tietoaineiston käsittelemiseen tarvitaan väistämättä tietokonemalleja, kertoo opettava tutkija Jaakko Hollmén.

 – Tietoaineisto sisältää muun muassa pikkukeskosten happisaturaatiokäyriä, verenpaine- ja ravinnetietoja, lääkitysdataa, ja jopa vaippojen punnitustietoja ravitsemuksen arvioimiseksi. Kesällä esitellyssä tutkimuksessamme pyrimme tarkentamaan aikaisempaa tietoa happisaturaatiokäyrän poikkeamista ja niiden aiheuttamista ongelmista, sekä rakentamaan näihin liittyviä ennustemalleja, Hollmén jatkaa.

Seurantatietoja

Tutkimusta on tehty nyt puolentoista vuoden ajan. Perusaineiston rinnalle ollaan keräämässä seurantatietoja lasten kasvaessa. Tällöin pikkukeskosten alkuviikkojen data voidaan yhdistää seurantatietoihin, mikä auttaa lääkäreitä huomaamaan mahdollisia poikkeus- ja ongelmatilanteita oikea-aikaisesti.

 – Tutkimuksen rikkaus, ja samalla edellytys, on keskusteluyhteys Lastenklinikan lääkäreiden kanssa. Yhteistyössä osaamme valita olennaisimmat tutkimusalueet, Hollmén korostaa.

Tietoaineistoja vertaamalla pyritään rakentamaan ennustemalleja esimerkiksi pikkukeskosten kognitiivisista kyvyistä tai mahdollisista tulevista diagnooseista. Tavoitteena on, että lääkäri saa nämä tietoaineistot käyttöönsä tehdessään päätöksiä pikkukeskosten ensimmäisten viikkojen hoidosta. Ennustemalli voisi esimerkiksi varoittaa lääkäriä jostain tulevaisuuden skenaariosta, johon voidaan pystyä vaikuttamaan varhaisella hoidolla.

 – Jotkut komplikaatioista ovat tutkimuksessa erityisen kiinnostuksen kohteena. Pyrimme esimerkiksi ennustamaan happisaturaatiomittausten avulla keskosen retinopatiaa, joka voi pahimmillaan johtaa sokeuteen, kertoo tohtorikoulutettava Olli-Pekka Rinta-Koski.

Tutkimuksen tekivät Olli-Pekka Rinta-Koski ja Jaakko Hollmén Aalto-yliopistosta sekä Markus Leskinen ja Sture Andersson Lastenklinikalta.  Tutkimusprojekti on osa professori Kimmo Kasken vetämää Teknologiateollisuuden 100-vuotissäätiön rahoittamaa Health Capital -klusterin datalähtöisen terveydenhuollon hanketta.

Lisätiedot:

Jaakko Hollmén
Puh. 050 326 0110
[email protected]

Olli-Pekka Rinta-Koski
Puh. 050 452 6303
[email protected]

Lue myös: Uusimman Aalto Magazinen teema on terveysteknologia

  • Julkaistu:
  • Päivitetty:
Jaa
URL kopioitu

Lue lisää uutisia

Etäläsnäolorobotin toimivuutta testattiin projektin aikana eri kohteissa ja palaute oli positiivista. Kuva: VTT
Mediatiedotteet, Tutkimus ja taide Julkaistu:

Tutkijat: Palvelurobotiikka on osa hoitajien työtä kymmenen vuoden kuluttua

Kuusivuotisessa ROSE-hankkeessa testattiin muun muassa etäläsnäolorobotteja ja hoitajien voimaliivejä. Kokemukset olivat positiivisia, mutta robotiikan tekninen kehitys ei ole vielä kaikilta osin vaadittavalla tasolla. Hanke on julkaissut tiekartan hoivarobotiikan kestävään laajamittaiseen hyödyntämiseen.
cucumbers on a plate covered with biobased liquid
Tutkimus ja taide, Opinnot Julkaistu:

Hyvästit muovikääreille? Opiskelijat kehittivät uudenlaisen biohajoavan ”dipattavan” pakkauksen kurkuille

Dippaus kasvipohjaisessa seoksessa muodostaa suojaavan kalvon vihanneksen pintaan. Opiskelijatiimi esittelee pian innovaationsa kansainvälisessä biotekniikan kilpailussa.
Learning Centre graphics
Tutkimus ja taide Julkaistu:
 Äänen viivettä on tutkittu Suomen hiljaisimmassa huoneessa Otaniemessä sijaitsevassa kaiuttomassa huoneessa.  Kuva: Aalto-yliopisto / Mikko Raskinen
Mediatiedotteet, Tutkimus ja taide Julkaistu:

Ihmiskorva erottaa jopa puolen millisekunnin viiveen

Tutkijat selvittivät, millaisia aikaeroja ihmiskorva pystyy havaitsemaan äänen eri taajuuksien saapumisessa.