Suomessa on kehitetty koronapandemian aikana väestön oiretietojen ja muun terveysdatan keräämistä ja analysointia paremman tilannetiedon saamiseksi koronavirusinfektion leviämisestä.
Tuoreessa tutkimuksessa tehtiin Omaolo-palvelun koronavirusinfektion oireita kartoittavasta oirearviokyselystä kertyneestä tilastollisesta datasta koneoppimismenetelmien avulla ennusteita hoidon tarpeesta viikon päähän. Käytetty data oli ensin aggregoitu eli muutettu yleiselle tasolle siten, ettei henkilöitä tai henkilöryhmiä voida tunnistaa.
Koronavirusoirearviokyselyn vastauksista saatuja ryhmätason tilastoja verrattiin Terveyden ja hyvinvoinnin laitoksen keräämiin hoitoilmoituksiin ensimmäisen pandemia-aallon aikana maaliskuusta kesäkuuhun vuonna 2020. Omaolon koronavirusoirearviokyselyyn tuli tutkittavana ajankohtana 414 477 vastausta.
Koneoppiminen auttaa ennakoimaan pandemian kulkua
Tutkimuksen mukaan näiden tietojen perusteella oli mahdollista tehdä luotettavan tarkkoja ennusteita koronapandemiaan liittyvästä hoidontarpeesta viikon päähän. Paras tulos saatiin, kun oiretietoja yhdistettiin kansallisen hoitoilmoitusjärjestelmän Hilmon rekisteritietoihin.
Tulokset viittaavat siihen, että Omaolo-palvelusta on mahdollista kerätä pandemian etenemisestä sellaista tietoa, jota ei saada pelkästään Hilmoon kirjatuista terveydenhuollon tiedoista.
”On mahdollista, että terveydenhuollon kuormitus muuttuu pandemiatilanteessa jopa hyvin nopeasti, ja sen voi nähdä koronavirusoirearviokyselyjen avulla”, professori Tea Lallukka Helsingin yliopistosta vahvistaa.
Tutkijoiden mukaan koronavirusoirearviokyselyjä voidaan käyttää pandemian kulun ennustamiseen ainakin lyhyellä aikavälillä, mikä auttaisi ennakoimaan terveydenhuollon kuormitusta myös tulevissa pandemioissa.
”Olemme Suomessa jo pitkällä datan, tekoälyn ja analytiikan hyödyntämisessä tulevaisuuden terveydenhuollon palvelujen kehittämiseen. Kuten tulokset näyttävät, koneoppimisen ja digitaalisen oirekyselyn avulla voidaan saada merkittäviä hyötyjä myös terveydenhuollon varautuessa uudenlaiseen pandemiauhkaan, josta ei ole käytettävissä aiempaa historiatietoa”, kertoo Data Scientist Joel Röntynen teknologiayhtiö Solitalta.
Lisäksi menetelmää voidaan hyödyntää myös muissa kansallista rekisteridataa keräävissä maissa.
Muuttuva tilannetieto mukaan ennustemalleihin
Sähköinen oirearviokysely ei tutkijoiden mukaan korvaa biologisten virustestien tarvetta. Sen avulla voidaan kuitenkin saada tärkeää tietoa epidemian laajuudesta silloin, jos esimerkiksi testaus on ylikuormittunut ja vain osa väestöstä kyetään testaamaan.
”Testauksesta syntyy myös valtavia kustannuksia, erityisesti jos tapaukset lisääntyvät eksponentiaalisesti”, Tea Lallukka huomauttaa.
Oirearviokyselyn sen sijaan voi täyttää milloin tahansa eikä käyttäjien määrälle ole ylärajaa.
Rokotusten, uusien virusmuunnosten, uusien toimintatapojen tai rajoitusten käyttöönotto vaikuttavat myös pandemian etenemiseen.
”Ennustemallimme ovat myös jatkuvasti päivitettävissä, mikä mahdollistaa pandemian ennustamisen ja mallintamisen myös muuttuvissa tilanteissa”, Röntynen summaa.
Tutkimus on osa hankekokonaisuutta, jossa ovat mukana Helsingin yliopisto, Solita Oy, Terveyden ja hyvinvoinnin laitos, DigiFinland Oy, Tieteen tietotekniikan keskus ja Kustannus Oy Duodecim.
Alkuperäinen artikkeli: Limingoja L, Antila K, Jormanainen V, Röntynen J, Jägerroos V, Soininen L, Nordlund H, Vepsäläinen K, Kaikkonen R, Lallukka T: Impact of a Conformité Européenne (CE) Certification–Marked Medical Software Sensor on COVID-19 Pandemic Progression Prediction: Register-Based Study Using Machine Learning Methods. JMIR Form Res 2022;6(3):e35181. Doi: 10.2196/35181
Lisätietoja
Professori Tea Lallukka, Helsingin yliopisto [email protected] p. 02941 27544
Joel Röntynen, Data Scientist, SolitaOy [email protected] p. 045 7877 5261
Risto Kaikkonen, Johtaja, Terveys- ja hyvinvointitoimiala, Solita Oy [email protected] p. 041 536 8745