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

Lisää tästä aiheesta

Kansikuvat Verma ja Lee
Tiedotteet, Tutkimus ja taide Julkaistu:

Hyvää suunnittelua vauvasta vaariin

Aalto ARTSin elokuun väittelijät ratkaisevat ongelmia eri käyttäjäryhmät huomioonottavilla suunnittelumetodeilla.
Mika Juuti studied the use of machine learning in information security for his dissertation.
Tutkimus ja taide Julkaistu:

Tietoturvatutkijan täytyy osata ennakoida hyökkääjän seuraava askel

Tohtorikoulutettava Mika Juuti keskittyi väitöskirjassaan koneoppimisen hyödyntämiseen tietoturvajärjestelmissä.
Photoactive rod-like virus bundle schematic
Tiedotteet, Tutkimus ja taide, Yliopisto Julkaistu:

Virukset ja väriaineet voidaan valjastaa vedenpuhdistukseen

Aalto-yliopiston tutkijat kehittivät uuden tavan luoda viruspohjaisia materiaaleja. Tulevaisuudessa niitä voidaan hyödyntää muun muassa nanolääketieteessä ja ympäristöteknologiassa.
Kuva: Sanna Lehto
Yhteistyö, Tutkimus ja taide, Opinnot Julkaistu:

Miten katkaista haavoittuvaisuusketju

Claudia Garduño ja AaltoLAB Mexico selvittivät, kuinka empatian, tiiviin kuuntelemisen ja muotoiluajattelun avulla voidaan löytää alkuperäisyhteisön keskeisimmät ongelmat.
  • Julkaistu:
  • Päivitetty:
Jaa
URL kopioitu