Täpsemalt tähendab Maasiku viimati öeldu, et meditsiinisüsteem arvestab vähe patsientide endi poolt kogutud andmeid: kõik meie küljes olevad kellad ja telefonid sisaldavad andureid, mis pidevalt koguvad meie kohta andmeid – pulssi, liikumist, unekvaliteeti ja nii edasi. Selliselt talletatud andmete kasutamine annaks palju lisaväärtust meditsiinisüsteemis kogutud andmetele, sest välja joonistuks andmete muutumine ja dünaamika pika aja jooksul.

Taaskasutatavad terviseandmed

Siin tulebki mängu uus projekt AIDAVA (AI powered Data Curation & Publishing Virtual Assistant), mis arendab tehisintellektil põhinevat terviseandmete korrastamise ja avaldamise virtuaalset assistenti, mille eesmärk on toetada eelkõige patsienti tema isiklike terviseandmete haldamisel, korrastamisel ning kvaliteedi ja taaskasutuse parendamisel. Eesmärk on, et terviseandmeid peaks sisestama üks kord ja neid peaks saama kasutada edaspidi niipalju kordi kui vaja. Andmete korrastamine või puhastamine, mida projektis nimetatakse kureerimiseks, tähendab sisuliselt kõigi patsiendi terviseandmete kokku kogumist erinevatest allikatest, korrastamist ning terviseandmete kvaliteedi kontrollimist projektis väljatöötatava prototüübi abil.

AIDAVA projekt võtab niisiis enda peale tervishoiuandmete standardiseerimise ehk andmete viimise taaskasutatavasse formaati ja püüab lahendada ühte suurimat andmete koostalitlusvõime probleemidest: nende ühtses vormis esitamist. 2022. aastal alanud nelja-aastast projekti juhib Maastrichti ülikool ja selles osaleb 14 organisatsiooni 9 riigist: ülikoolid, haiglad, andmeturbeorganisatsioonid, IT-ettevõtted jne. Olgugi, et tegemist on teadusprojektiga, mille eesmärgiks on uurida mainitud terviseandmete piiriülest taaskasutamist ja erinevatest allikatest pärit terviseandmetele ligipääsu lihtsustamist, sünnib projekti tulemusel – lisaks erinevatele teadusartiklitele – kaks generatsiooni prototüüpi.

„Probleem on hetkel selles, et andmete sisestus erinevates riikides, erinevates haiglates, erinevates kultuurides on väga erinev. Kui Eestis on kõik digitaalne ja ühtemoodi struktureeritud, siis paljudes Euroopa riikides on patsiendi haiguslood veel alles paberil, mis raskendab terviseinfo taaskasutamist. Selle probleemi lahendamiseks kasutatakse AIDAVA projektis masinõpet ja keelemudeleid, et lugeda ja töödelda andmeid eri tüüpi meditsiinidokumentidest, mis on AIDAVA süsteemi sisestatud. Tehisaru kasutades peaks projekti prototüüp suutma neid andmeid igasuguses keeles ja erinevatest dokumentidest lugeda. Sealhulgas analüüsida tekste näiteks epikriisides,“ mainib Maasik, kes lisab, et tegu on innovatsiooniprojektiga, mille eesmärk on leida viis paremaks terviseandmete kasutamiseks: projekti eesmärk on uurida, testida, analüüsida, aga mitte veel rakendada.

Kui Eestis on kõik digitaalne ja ühtemoodi struktureeritud, siis paljudes Euroopa riikides on patsiendi haiguslood veel alles paberil.

AIDAVA projektis on loodud patsiendile võimalus laadida prototüüpi enda terviseandmed ja täita elukvaliteedi küsimustik, mille andmed ühendatakse AIDAVA süsteemi kogutud muude teadmistega konkreetse inimese ja tema haiguse kohta. Ning kui räägime patsientidest, siis hetkel on projekti testgrupis 40 rinnavähi ja 30 südame-veresoonkonna haigusega patsienti kokku kolmest haiglast: Põhja-Eesti Regionaalhaiglast ja Grazi ning Maastrichti ülikoolihaiglast.

Maasik ütleb, et projekti peamine eesmärk on loodava AI-põhise terviseandmete kureerimise ja avaldamise virtuaalse assistendi prototüübi abil uurida, kas ja kuidas on võimalik lihtsustada terviseandmete koondamist ja haldamist ning sellega parandada ravikvaliteeti. Lisaks on veel mõned uurimisküsimused: kuidas lihtsustada arstide ligipääsu patsiendi erinevatest allikatest pärit andmetele ja vähendada meditsiinitöötajate koormust andmete korduval sisestamisel ja erinevatest allikatest otsimisel ja kas pikemas perspektiivis kvaliteetsemate andmete olemasolu ja kasutamine võimaldab vähendada ravikulusid. Kvaliteetsed terviseandmed on olulised ka teadlastele uurimistööde tegemisel.

Mall Maasik

„Projektis on plaanis välja töötada kogutud terviseandmete ühtne esitusviisi, mis võimaldab meditsiinitöötajatel ja teistel andmekasutajatel andmetest kiiresti ja üheselt aru saada. See on vajalik, kuna eri riikides ja erinevate IT-süsteemide puhul toimub andmete ja info näitamine kasutajatele väga erineval viisil. Oleme küll juba loomas teise generatsiooni prototüüpi, kuid siiski veel kaugel sellest, et lahenduse saaks üle Euroopa kasutusele võtta. Samas huvi AI-põhiste töövahendite ja rakenduste vastu on tervishoiusektoris kasvamas,“ mainib Maasik.

Kuidas mõjutavad geenid meie ravimiskeemi?

Statistika kohaselt sureb iga päev üle Euroopa 540 inimest retseptiravimite ristkasutusest tekkinud komplikatsioonidesse. Lisaks sellele on nende inimeste arv, kes mingist vanusest alates tarbivad korraga viit ja enamat ravimit, äärmiselt kõrge: kuni 58 protsenti. Inimkeeli tähendab see seda, et vananevas ühiskonnas võtavad inimesed tihti korraga väga mitmeid ravimeid, mille koosmõju ega mõju inimesele individuaalselt – mõju inimese geneetikast sõltuvalt – pole uuritud. Tartu Ülikooli genoomika instituudi professor Lili Milani ütleb, et kliinilistes uuringutes vaadeldakse tavaliselt ühte ravimit korraga ja neis osalevad alati väga terved inimesed.

„Täna on populaarne uus suund kasutada erinevateks meditsiiniuuringuteks pärismaailma andmeid ehk real world data’t. Need on siis tervishoius reaalselt olemasolevad andmed: Eestil on siin eelis, kuna meie geenivaramus on salvestatud 20% täiskasvanud elanikkonna tervise- ja geeniandmed. Need on tegelikkusele vastavad andmed, mis võtavad arvesse inimeste diagnoose, haiguseid, võetavaid ravimeid ja ka geneetikat. SafePolyMedi projekti raames tahamegi uurida ravimite omavahelisi koostoimeid ja nende ravimite koostoimeid geenidega. Ehk siis uurime, kuidas ravimid mõjuvad või millised kõrvaltoimed sõltuvad sellest, mitut ravimit inimene võtab ja milline on tema geneetika,“ räägib projekti Eesti kontaktisik Milani.

SafePolyMedi projekti raames luuakse arstidele ja patsientidele ravimite ning geenide koostoimete määramise ja hindamise vahend. Töötatakse välja tõenduspõhine riski hindamise süsteem ja matemaatiline mudel ravimi annuste individuaalseks kohaldamiseks, mida prototüübitakse elektroonilise tööriistana arstidele ja patsientidele. Tegemist on järjekordse masinõppe projektiga, kus tegeletakse suuremahuliste andmetega, nende analüüsimise ja kõrvutamisega, paljuski tehisaru kaasabil.

Täna on populaarne uus suund kasutada erinevateks meditsiiniuuringuteks pärismaailma andmeid ehk real world data’t.

Milani räägib, et probleem seisneb selles, et inimese geneetika tõttu lagundatakse mõnda ravimit organismis kiiresti, teist jälle aeglaselt. Samuti võib seda lagundamist kiirendada ja aeglustada mõni teine medikament, mida tarvitatakse. Tähendab see seda, et vahel oleks vaja ravimiannust tõsta, teisel juhul langetada: sellest võib sõltuda ravi efektiivsus, kõrvalmõjude olemasolu ja tugevus.

„Mõnel juhul võib ka selguda, et konkreetsel ravimil pole kindla genotüübiga patsiendile mitte mingit mõju. Organism lagundab selle liiga kiirelt, veres ei teki piisavat kontsentratsiooni. Nii on võimalik geeni- ja ravimiandmete abil ilma liigselt katsetamata määrata patsiendile uus ravim. Kui varem on kahte uurimissuunda ehk ravimite koostoimet ja farmakogeneetikat – esimene uurib ühe ravimi mõju teise ravimi toimele, teine aga mõju lähtuvalt patsiendi geneetikast – hoitud lahus, siis SafePolyMedi projekt toob need kaks valdkonda kokku,“ ütleb Milani.

Lili Milani

Projektil on kasutada nii Eesti, UK kui ka Soome biopankade andmed, mis Milani sõnul tähendab umbes miljoni inimese geeni- ja raviandmestikku. Projekti raames õpetatakse masinaid neid analüüsima, koondama, standardiseerima. Milani ütleb, et on äärmiselt põnev töötada projektis, kus lisaks meditsiinile on kaasatud keeleteadus ja IT oma laiade võimalustega. Keelemudeleid on vaja taas selleks, et kõikidest andmetest asju õigesti välja lugeda: et ravimite mõju ja muu vajalik oleks üheselt tõlgendatud.

„Meditsiinis on oluline, et patsient võtaks ravimit, mis talle on välja kirjutatud. Kui need ravimid aga mingil põhjusel ei mõju või neil on väga ebameeldivad kõrvalmõjud, siis jätavad patsiendid oma ravikuurid pooleli. Projektiga tekkiv uus teadmine võiks anda arstidele viisi parima raviskeemi koostamiseks,“ lisab Milani. Millal võiks projektis kirjeldatud ja uuritud lahendus jõuda reaalselt arstideni? Milani arvab, et selleks kulub veel 10–15 aastat, kuid Eesti saab siin olla täna olemasolevate võimaluste kasutusele võtmises esimeste hulgas.

Mõlemat projekti – nii AIDAVAt kui SafePolyMedi – rahastab Euroopa Liit.

Jaga
Kommentaarid