Takaisin

Uusi työkalu ikääntyvien dementiariskin arviointiin

Tutkijoiden kehittämä uusi työkalu auttaa tunnistamaan oireettomien ikääntyvien joukosta ne, joilla on kohonnut riski sairastua myöhemmin dementiaan. Tietokonepohjainen menetelmä perustuu suurten terveystietokantojen analysointiin koneoppimisen keinoin. Työkalu myös esittää yksilöllisen riskiprofiilin helposti tulkittavana kuvana. Uusi menetelmä esiteltiin Journal of Alzheimer’s Disease -lehdessä julkaistussa artikkelissa.

Tehokkaita keinoja dementian ehkäisyyn etsitään maailmalla kiihkeästi. Elämäntapamuutoksilla on mahdollista ehkäistä tiedollisten toimintojen heikentymistä ja dementiaa, mutta haasteena on tunnistaa ajoissa henkilöt, joilla on suurin riski sairastua, ja valita heille sopivimmat ehkäisytoimet.

Viime vuosina tutkimus- ja potilasaineistoja on alettu koota laajoihin kansainvälisiin tietokantoihin. Tutkijoiden ulottuvilla on valtavia tietomääriä – niin sanottua ”big dataa”, jonka analysoimiseen tarvitaan uusia ratkaisuja. Yhden mahdollisuuden tarjoaa koneoppiminen, jossa tietokonemalleja opetetaan laajoilla aineistoilla, niin että ne pystyvät arvioimaan sairastumisriskiä yhä tarkemmin. Dementian ennakointiin ja ehkäisyyn koneoppimisen keinoja on alettu soveltaa vasta hiljattain.

Nyt julkaistussa suomalais-ruotsalaisessa tutkimuksessa lääkäreistä ja tekniikan alan asiantuntijoista koostuva tutkijatiimi kehitti koneoppimiseen perustuvan työkalun, jolla voidaan arvioida yksittäisten potilaiden dementiariskiä ja sitä, mihin riskitekijöihin juuri heillä tulisi puuttua. Sen vahvuutena on myös mahdollisuus esittää helposti tulkittava yksilöllinen riskiprofiili kuvana.

Tutkimuksen toteuttivat Itä-Suomen yliopisto, VTT, Terveyden ja hyvinvoinnin laitos sekä Karoliininen instituutti.

Dementiariski selville kymmenen vuotta ennen sairastumista

Tutkimuksessa käytettiin itäsuomalaista CAIDE (Cardiovascular Risk Factors, Aging and Dementia) -tutkimusaineistoa. Tutkittavat olivat 65–79-vuotiaita, yleisväestöä edustavia henkilöitä, joilla ei ollut tutkimuksen alkaessa kognitiivisia oireita. Heille tehtiin kattavat terveydentilan, muistin ja kognitiivisen tilan tutkimukset. Tutkijoiden kehittämä työkalu, dementiariski-indeksi, pystyi ennakoimaan dementian parhaimmillaan kymmenen vuotta ennen sairastumista. Tärkeimmät dementiaa ennustavat tekijät olivat kognitiiviset kyvyt, verisuoniterveys, ikä, itse raportoidut muistamisvaikeudet ja apolipoproteiini E (APOE) -genotyyppi.

Tutkijoiden mukaan riski-indeksiä käyttämällä voidaan tunnistaa iäkkäiden henkilöiden joukosta ne, joilla dementiaan sairastumisen riski on suurin ja joille ehkäisytoimista voi olla eniten hyötyä. Työkalua ei kuitenkaan ole tarkoitettu diagnoosin välineeksi, vaan tueksi päätettäessä esimerkiksi kenelle ja mihin riskitekijöihin dementian ehkäisytoimet tulisi erityisesti suunnata.

– Tämä tutkimus oli ensimmäinen, jossa hyödynnettiin koneoppimista dementiariskin arviointiin oireettomassa väestössä. Tulokset ovat lupaavat, toteaa hankkeen vastaava tutkija, lääkäri ja tutkijatohtori Alina Solomon Itä-Suomen yliopistosta.

– Riski-indeksi on suunniteltu tukemaan päätöksentekoa potilastyössä, ja meitä kiinnostaakin tarkastella sen toimivuutta käytännön työssä. Työkalu on kuitenkin validoitava suomalaisten lisäksi muissa väestöissä. Lisäksi aiomme selvittää, voidaanko sitä käyttää sairastumisen ennakoimiseen myös yli 80-vuotiailla ja voidaanko sillä myös seurata esimerkiksi elämäntapamuutosten vaikutuksia sairastumisriskiin, Solomon kertoo.

– Laajoissa terveystietokannoissa on runsaasti arvokasta, osittain vielä havaitsematonta ja hyödyntämätöntä tietoa. Moderneilla koneoppimisen menetelmillä aineistosta voidaan löytää sellaisia piirteitä, joita on ihmissilmin vaikea havaita, toteaa Combinostics Oy:n tieteellinen johtaja Jyrki Lötjönen, joka kuului VTT:n edustajiin tutkimustiimissä.

– Tässä tutkimuksessa tavoitteena oli tunnistaa dementiaa ennakoivia merkkejä. Toisena kiinnostuksen kohteena oli, miten tiivistää monitahoinen tieto ymmärrettävään muotoon, niin että menetelmästä olisi todellista hyötyä lääkäreille ja muille dementian ehkäisemisestä kiinnostuneille ihmisille.

Tutkimusta rahoittivat EU:n 7. puiteohjelman tukema VPH-DARE@IT-hanke, Suomen Akatemia, Ruotsin tutkimusneuvosto ja EU:n JPND-ohjelmahanke (Joint Programme – Neurodegerative Disease Research), Itä-Suomen yliopiston UEF-BRAIN-kärkihanke, Ruotsin Innovatiivisen lääketieteen keskus CIMED, Ruotsin Alzheimer-säätiö ja AXA-tutkimussäätiö.

Lisätietoja:

Alina Solomon, MD, PhD, Itä-Suomen yliopisto, kliinisen lääketieteen yksikkö / neurologia, p. +358 40 3552 015, alina.solomon (a) uef.fi

Tutkimusartikkeli:

Pekkala, Timo, Hall, Anette, Lötjönen, Jyrki, Mattila, Jussi, Soininen, Hilkka, Ngandu, Tiia, Laatikainen, Tiina, Kivipelto, Miia & Solomon, Alina. Development of a Late-Life Dementia Prediction Index with Supervised Machine Learning in the Population-Based CAIDE Study. JAD 55(3), julkaistu verkossa 6.12.2016. DOI: 10.3233/JAD-160560