Hyppää pääsisältöön

Tarkenna hakuasi

Tutkijoita Itä-Suomen Mikrokirurgiakeskuksessa. Kuva Kuopion yliopistollinen sairaala, Brande Oy.

Kuva: Kuopion yliopistollinen sairaala / Brande Oy.

LK Sami Puustinen, väitös 28.4.2023: HSI-menetelmä auttaa erottamaan terveen kudoksen sairaasta aivoleikkauksessa

Lääketieteen alaan kuuluva väitöskirja tarkastetaan terveystieteiden tiedekunnassa Kuopion kampuksella. Tilaisuutta voi seurata myös verkossa.

Mikä on väitöstutkimuksesi aihe? Miksi aihepiiriä on tärkeää tutkia?

Väitöstutkimuksen aihe on keskushermoston kudosten leikkauksenaikainen hyperspektrikuvantaminen (HSI). Väitöskirjatyössä kehitettiin mikrokirurginen HSI-järjestelmä ja koneoppivia kudosluokittelumenetelmiä sekä tutkittiin niiden soveltuvuutta leikkauskäyttöön.

Aivokasvaimet leikataan useimmiten mikrokirurgisesti suurella suurennoksella. Kasvainten läheisyydessä on herkkiä rakenteita, joiden vaurio voi johtaa vakavaan haittaan, kuten halvaukseen. Eri kudokset voidaan nykyisin tunnistaa leikkauksen aikana vain silmämääräisesti ja epäsuorasti kuvantamistietojen avulla. Terveen kudoksen erottaminen sairaasta luotettavasti ja mahdollisimman reaaliaikaisesti leikkauksen aikana onkin keskeinen haaste mikrokirurgiassa.

Kudosten tunnistuksessa avustavia tekniikoita kehitetään kiivaasti niin potilaskirurgiaa kuin patologisia tutkimuksia varten. Hyperspektrikuvantaminen voisi edistää merkittävästi kaikkea reaaliaikaista kudosluokittelua, mutta HSI-menetelmien soveltamista rajoittaa soveltuvan tekniikan ja analyysiä tukevien aineistojen puute. Mikrokirurgisia HSI-aineistoja on julkaistu niukasti eikä yhtenäisiä lääketieteellisiä standardeja aineistolle ole olemassa. Näihin haasteisiin vastaamalla voitaisiin edistää HSI-järjestelmien kehitystä ja sen myötä leikkaushoidon vaikuttavuutta.

Mitkä ovat väitöstutkimuksesi keskeiset tulokset tai havainnot?

Väitöstyössä osoitettiin HSI-menetelmien soveltuvuus leikkauksenaikaiseen käyttöön. Tutkimuksessa kehitetyt menetelmät luovat pohjaa lähes reaaliaikaiselle keskushermoston kudosten luokittelulle mikroneurokirurgiassa.

Kudosnäytteillä koneoppimismenetelmin analysoitu HSI auttoi erottelemaan mikrokirurgisesti kriittisiä kudoseroja kasvohermoissa ja sisemmässä kaulavaltimossa. Menetelmä tunnisti luotettavasti mikroanatomisesta sijainnista ja kirurgisesta käsittelystä johtuvia, silmämääräisesti vähäisiä eroja.

Potilailla toteutetussa tutkimusosiossa kehitettiin leikkausmikroskooppiin liitetty HSI-järjestelmä, joka todettiin potilaskirurgiaan soveltuvaksi aivokasvainleikkausten aikana.

Tutkimuksessa kehitetty järjestelmä on jo läpäissyt kliinisen laitetutkimuksen lupaprosessin. Se on ainoa mikroneurokirurginen HSI-järjestelmä Suomessa sekä ensimmäisiä Euroopassa. HSI-järjestelmää tukemaan luotiin kokeellinen HSI-datapankkisovellus, jossa potilaita hoitavat kliinikot voivat selata, tuoda, viedä ja analysoida HSI-potilasdataa. Datapankkiin tallennettiin neurokirurgisten kudosten HSI-datan lisäksi oleelliset potilastiedot, kuten kudosanatomia ja MRI-leikkeet, joita tarvitaan jatkossa leikkaustenaikaisten koneoppivien HSI-sovellusten kehittämiseksi.

Miten väitöstutkimuksesi tuloksia voidaan hyödyntää käytännössä?

Väitöstutkimuksen pohjalta kehitettävää, lähes reaaliaikaista kudosluokittelutyökalua voidaan soveltaa etenkin aivokasvainten ja aivoverisuonisairauksien leikkausten aikaiseen kudostunnistamiseen. Uusien kirurgisten HSI-sovellusten edistämiseksi aineistoa kerätään jatkossa koko kehon, mutta etenkin pään ja kaulan alueen toimenpiteistä.

HSI-järjestelmät mahdollistavat ennennäkemättömän herkän ja yksilölliset erot huomioivan kudosten tunnistamisen leikkaustoimenpiteiden aikana. Niiden käytön odotetaan edistävän terveen ja sairaan kudoksen tunnistamista sekä kasvainkudoksen onnistunutta poistoa. Se parantaisi kirurgista suorituskykyä, avustaisi lääkäreitä diagnostiikassa ja edistäisi siten myös potilasturvallisuutta. Menetelmässä on vielä kehitettävää ennen interventiovaihetta, mutta kirurgian aloilta julkaistut tutkimukset ja omat tuloksemme ovat lupaavia.

Tutkimusdata on monitieteellisesti hyödynnettävissä myös innovaatioihin ja antaa suuntaviivaa uusien lääketieteellisten kuvantamisjärjestelmien kehittämiselle.  Tutkimusryhmän moniammatillinen yhteistyö Itä-Suomen Mikrokirurgiakeskuksessa on jo tuottanutkin uutta startup-yritystoimintaa Pohjois-Savoon: innovaatioiden kaupallistamiseksi perustettiin SeeTrue Technologies vuonna 2018 ja Marginum vuonna 2020.

Mitkä ovat väitöstutkimuksesi keskeiset tutkimusmenetelmät ja -aineistot?

Tutkimuksessa kehitettiin uusi leikkauksenaikainen kudosluokitteluun soveltuva optinen hyperspektrikuvantamisjärjestelmä ja sitä tukevia koneoppimismenetelmiä. Tutkimusaineistoksi kerättiin lahjoitettuja istukoita, vainajien ohimoluita ja aivokasvainleikkausten aikana kuvannettuja kudoksia. Aineistoa analysoitiin koneoppimisen keinoin.

Väitöstutkimus on osa Suomen Kulttuurirahaston, Valtion Tutkimusrahoituksen ja Suomen Lääketieteen säätiön rahoittamaa tutkimusta, jossa päätutkijana on dosentti, neurokirurgian erikoislääkäri Antti-Pekka Elomaa, ja Suomen Akatemian rahoittamaa FIRST-hanketta, jossa päätutkijana on professori Roman Bednarik. Tutkimuksen suorituspaikkana olivat Itä-Suomen Mikrokirurgiakeskus, Kuopion yliopistollisen sairaalan leikkaussalit ja Itä-Suomen yliopiston Joensuun kampuksen laboratoriot. Väitöstyössä tehtiin yhteistyötä professori Markku Hauta-Kasarin johtaman värilaboratorion, fysiikan ja matematiikan laitoksen sekä yritysten kuten Senop Oy:n kanssa. Ryhmällä on yli vuosikymmenen kokemus lääkinnällisten laitteiden testauksesta.

Väitöstyössä kerättyä aineistoa on hyödynnetty noin sadan fysiikan ja tietojenkäsittelytieteiden opiskelijan kansainvälisessä opetuksessa ja opinnäytetöissä. Aineistoa käytetään edelleen Itä-Suomen yliopiston tietojenkäsittelytieteen kursseilla etenkin potilailla tehdyssä HSI-tutkimuksessa kohdattujen haasteiden ratkaisuun. Tämän kliinikoiden, tutkijoiden ja opiskelijoiden välisen moniammatillisen yhteistyön odotetaan tuottavan alalle huippuasiantuntijuutta ja uusia optisen kuvantamisen ratkaisuja kirurgiaan. Siten leikkauksia voidaan tulevaisuudessa toteuttaa aiempaa tehokkaammin, paremmin tuloksin ja välttäen komplikaatioita.

Lääketieteen kandidaatti Sami Puustisen väitöskirja Intraoperative Hyperspectral Imaging (HSI) in Microneurosurgery: Design for Near Real-Time Optical Tissue Analysis (Leikkauksenaikainen hyperspektrikuvantaminen (HSI) mikroneurokirurgiassa: Lähes reaaliaikaisen optisen kudosluokittelun malli) tarkastetaan terveystieteiden tiedekunnassa. Vastaväittäjänä toimii Professori Fady Charbel Illinoisin Chicagon yliopistosta ja kustoksena dosentti Antti-Pekka Elomaa Itä-Suomen yliopistosta.

Väitöstilaisuus

Väittelijän kuva

Väitöskirja

Lisätietoja:

LK Sami Puustinen, sampuu(a)uef.fi, 0442190767