Tietotekniikkaa opiskellut voi soveltaa tekoälyä vaikkapa parempien syöpähoitojen kehittämiseen

Tietotekniikkaa opiskelleen diplomi-insinööri Heli Julkusen vuodet Aalto-yliopistossa saivat syksyllä 2020 hienon huipennuksen.

Julkunen pääsi opintojensa loppuvaiheessa keskeiseen rooliin Aallon, Suomen molekyylilääketieteen instituutin FIMM:n ja Turun yliopiston tekoälyä ja lääketutkimusta yhdistävässä tutkimusprojektissa. Siinä tutkijat kehittivät koneoppimismenetelmän, joka ennustaa tarkasti, miten erilaiset syöpälääkeyhdistelmät tappavat syöpäsoluja. Julkunen teki aiheeseen liittyen diplomityönsä, joka palkittiin kesällä 2019 Aalto-yliopiston Life Science Technologies -maisteriohjelman palkinnolla: työtä pidettiin erinomaisena.

Julkunen valmistui diplomi-insinööriksi 2019 mutta jatkoi työtä aiheen parissa viimeistellen tutkimusta käsittelevän artikkelin julkaisukuntoon – ensin päivätyönsä ohessa, sitten Aallon projektitutkijana. Loppuvuonna 2020 artikkeli hyväksyttiin julkaisuun arvostetussa Nature Communications -tiedelehdessä. Se päätyi uutisiin niin Suomessa kuin maailmalla.

Syöpähoidoissa eri lääkeaineiden yhdistäminen parantaa usein hoidon tehoa ja myös vähentää sen haittoja, jos yksittäisen lääkkeen annostusta pystytään pienentämään. Toimivien lääkeaineiden seulominen kokeellisesti on kuitenkin hidasta ja kallista, minkä vuoksi tekoälymenetelmien valjastaminen avuksi on tärkeää.

Tutkijat kouluttivat koneoppimismenetelmää suurella datajoukolla, joka saatiin aiemmista lääkeaineiden ja syöpäsolujen välistä yhteyttä selvittäneistä tutkimuksista. Tutkimuksen tuloksista ilmeni, että monimutkainen malli löysi lääkkeiden ja syöpäsolujen väliltä yhteyksiä, joita ei ole havaittu yksinkertaisemmilla malleilla.

"Menetelmä perustuu samankaltaiseen periaatteeseen kuin esimerkiksi Netflixin ja Spotifyn taustalla olevat suosittelujärjestelmät: sen sijaan, että suositeltaisiin vaikkapa kappaleita tai elokuvia sen perusteella, mistä muut samankaltaiset käyttäjät pitävät, voidaan menetelmää käyttää ennustamaan, miten samankaltaiset lääkeaineet toimivat toisten lääkeaineiden ja erilaisten syöpäsolujen kanssa", Julkunen sanoo.

Juuri tämä on hänen mielestään datatieteen ja tekoälyn saralla kiehtovaa: kehitettyjä menetelmiä voidaan hyödyntää hyvin erilaisissa sovelluskohteissa ja eri tieteenaloilla. ”On ihan mahtavaa, mitä kaikkea datan avulla pystyykään tekemään ja ennustamaan.”

Matematiikan ja fysiikan mahdollisuudet kiinnostivat

Lapsena ja nuorena Julkunen viihtyi koulussa ja piti monista eri aineista. Vapaa-ajallaan hän viihtyi kavereidensa kanssa ja liikkuen. Hän harrasti niin ratsastusta, uintia kuin poikkihuilun soittoa.

Matemaattis-luonnontieteellisten aineiden opiskelu lukion jälkeen ei ollut ilmiselvä vaihtoehto. Matematiikan ja fysiikan lisäksi Julkunen innostui monista aiheista, esimerkiksi kirjallisuudesta ja historiasta. Lääketieteenkin opinnot kiinnostivat. ”Lääkärin työn sijaan minua kuitenkin kiinnostivat enemmän tekniikan tarjoamat mahdollisuudet terveysalalla.”

Julkunen pääsi Aalto-yliopistoon opiskelemaan bioinformaatioteknologiaa. Sivuaineenaan hän luki tietotekniikkaa, vaikkei alkuun aivan tiennyt, mitä kaikkea tietotekniikka ja datatieteet pitävät sisällään ja mitä niillä voisi tehdä. ”Perusopintojen koodauskurssien ja tietotekniikan sivuaineopintojen kautta huomasin kuitenkin, että tämä on tosi kiinnostavaa ja sovelluskohteita on monia.”

Mielenkiinto tutkimusta kohtaan syttyi jo toisena opiskeluvuonna. Julkunen alkoi tutkia, mitä tutkimusryhmiä Aallossa on, ja lähetellä tutkimusryhmien vetäjille sähköposteja. Professori Juho Rousu vastasi ja otti Julkusen kesäharjoittelijaksi.

Tutkimusharjoittelijana pääsi soveltamaan opinnoissa omaksuttuja menetelmiä käytäntöön. Alkuun Julkunen tutki lääkeaineiden ja proteiinien välisiä vuorovaikutuksia ja miten niitä voitaisiin koneoppimisen avulla ennustaa. Parin vuoden jälkeen mukaan tuli syöpälääkeyhdistelmiin liittyvä tutkimus.

Maisterivaiheessa Julkunen valitsi Life Science Technologies -maisteriohjelman ja Complex Systems -pääaineen. Hän perehtyi etenkin datatieteeseen, tekoälyyn, koneoppimiseen ja bioinformatiikkaan. Kesäksi 2017 hän sai kilpaillun stipendin Yhdysvaltoihin Stanfordin yliopistoon.

"Siellä oli vahvaa yrittäjähenkisyyttä ja todella motivoituneita opiskelijoita. Suoritin myös yrittäjyyskurssin, jolla olin vähän mukavuusalueeni ulkopuolella. Huippuyliopistossa opiskelu ulkomailla oli tosi kannustava ja merkityksellinen kokemus siinä vaiheessa opintojani."

Kiinnostus ja innostus edellä

Julkunen sanoo, että tekoälyn soveltaminen terveydenhuollon kentällä on kiinnostanut häntä aina. Siten pääsee soveltamaan teoriaa ”oikean maailman ongelmiin” ja pystyy tekemään merkityksellistä työtä ihmisten terveyden ja hyvinvoinnin puolesta.

Valmistuttuaan Julkunen aloitti työt datatieteilijänä Nightingale Healthissa. Yritys pyrkii kehittämään ennakoivaa terveydenhoitoa datatieteen keinoin: tavoitteena on vähentää kroonisia sairauksia ehkäisemällä ja torjumalla niitä nykyistä paremmin.

”Ennustamme verianalyysin perusteella kroonisten sairauksien kehittymistä ja sitä kautta pyrimme ennaltaehkäisemään niitä siten, että ihmiset pystyisivät muuttamaan elintapojaan ja terveytensä suuntaa”, Julkunen sanoo.

Valmistumisen jälkeen toinen vaihtoehto olisi ollut väitöskirjan tekeminen. Nightingalen projektit herättivät kuitenkin mielenkiinnon. Vaikka Julkunen viihtyy nyt töissä yrityspuolella, jatko-opinnotkaan eivät ole poissuljettu vaihtoehto, jos vastaan tulee riittävän kiinnostava aihe. ”Olen aina halunnut tehdä projekteja, jotka ovat kiinnostavia ja innostavia sen sijaan, että yrittäisin mennä jotain tiettyä, ennalta määriteltyä polkua.”