Terveysdatassa on voimaa – yhteistyössä ylivoimaa

Suomea pidetään terveystietoihin liittyvän tutkimuksen luvattuna maana, koska dataa on saatavilla luotettavasti kirjattuna erilaisista lähteistä. Toisaalta usein tulee tarpeen yhdistää tutkimusaineistoon geneettistä tietoa etsien mahdollisia yhteyksiä geenimuutosten ja tautitilojen välillä. Myös genetiikan alalla Suomi on ollut tiedon tuottamisen suhteen mallimaa esimerkiksi Finngen-hankkeen myötä.

Syöpä on pohjimmiltaan geenien sairaus ja moniin geenimutaatioihin on jo pystytty kehittämään lääkkeitä. Nykyään monen syöpätyypin kohdalla on ajankohtainen kysymys, pitäisikö potilaalle tehdä laaja, jopa satojen geenien, geeniprofilointi todennäköisesti parhaan lääkehoidon löytämiseksi. Tätä kysymystä valottaaksemme teimme Rochella yhdessä suomalaisten lääkäreiden ja yhteistyökumppaneiden kanssa tutkimuksen, jossa kokosimme sellaisten potilaiden kliinisen- ja genomidatan, joille oli tehty Foundation Medicine -geeniprofilointi Suomessa vuosina 2017–2020. Tutkimuksen tulokset on hiljattain julkaistu ESMO Real World Data and Digital Oncology -julkaisussa[1]. Tässä blogissa haluamme luoda katsauksen työhön tieteellisten tulosten takana.

Luvattu maa vai dataa kovalla työllä?

Jos data on uusi öljy niin Suomesta todellakin löytyy öljyä. Joskus kuitenkin öljykin on vaikeammin saatavissa maan pinnalle asti käyttöön. Sama pätee myös terveysdataan. Helpoimmillaan datan hankkiminen on, kun erilaiset muuttujat on kirjattu rakenteelliseen muotoon sairaalan potilastietokantaan, jolloin niiden haku on nopeaa. Esimerkiksi syövän hoidoissa monet muuttujat eivät ole kuitenkaan kirjattu rakenteellisesti vaan tietoja pitää etsiä potilastekstien vapaista tekstikentistä ja jopa manuaalisesti tulkita tekstin merkitystä. Tätä problematiikkaa kartoitimme myös osana kesäkuussa julkaistua geeniprofilointitutkimustamme, kun esimerkiksi etsimme syitä, miksi potilas ei ole saanut geenitestin suosittelemaa hoitoa tai jos on saanut, niin minkä geenimuutoksen perusteella. Tämä työ on yksittäisen kliinikon tekemää selvitystyötä, joka pidentää tutkimuksen kestoa verrattuna automatisoidumpaan tiedonkeruuseen. Käytämmekö siis yhä “öljyn” nostamiseen vanhoja työkaluja?

Jos data on uusi öljy niin Suomesta todellakin löytyy öljyä. Joskus kuitenkin öljykin on vaikeammin saatavissa maan pinnalle asti käyttöön. Sama pätee myös terveysdataan. Helpoimmillaan datan hankkiminen on, kun erilaiset muuttujat on kirjattu rakenteelliseen muotoon sairaalan potilastietokantaan, jolloin niiden haku on nopeaa. Esimerkiksi syövän hoidoissa monet muuttujat eivät ole kuitenkaan kirjattu rakenteellisesti vaan tietoja pitää etsiä potilastekstien vapaista tekstikentistä ja jopa manuaalisesti tulkita tekstin merkitystä. Tätä problematiikkaa kartoitimme myös osana kesäkuussa julkaistua geeniprofilointitutkimustamme, kun esimerkiksi etsimme syitä, miksi potilas ei ole saanut geenitestin suosittelemaa hoitoa tai jos on saanut, niin minkä geenimuutoksen perusteella. Tämä työ on yksittäisen kliinikon tekemää selvitystyötä, joka pidentää tutkimuksen kestoa verrattuna automatisoidumpaan tiedonkeruuseen. Käytämmekö siis yhä “öljyn” nostamiseen vanhoja työkaluja?

Suomessa ja laajemmin Euroopassakin on käynnissä onneksi hankkeita, joissa kehitetään tiedon harmonisointia ja menetelmiä hajautettuun (federoituun) analyysiin [2]. Kansainvälisesti tunnetuimpia esimerkkejä on terveysteknologiayritys Flatiron Health. Se kerää ja analysoi syöpäklinikoiden potilastiedoista anonymisoitua tietoa ja on kehittänyt menetelmiä, joiden avulla hajanaisista rakenteellisista ja ei-rakenteellisista potilaskirjauksista pystytään luomaan korkealaatuista tosielämän näyttöä.

Infrastruktuuri datan hyödyntämiseen olemassa Suomessa – yhteistyössä on voimaa

Tutkimus on usein monialaista yhteistyötä eikä julkaistu tutkimuksemme tehnyt tässä poikkeusta. Rochen vetämässä työryhmässä oli mukana kolme eri suomalaista terveysdatan kanssa työskentelevää yritystä ja kolme suomalaista syöpälääkäriä. Yhteistyöyrityksinä projektissa olivat mukana Medaffcon Oy, Veil.ai ja Estimates Oy. Medaffcon on kokenut toimija tällä tutkimusalalla ja vastasi pääyhteistyökumppanina tuesta Rochelle tietoluvan, tutkimusprotokollan, analyysien ja raportoinnin suhteen. Estimates puolestaan vastasi Foundation Medicine -geeniprofilointi raporttien automatisoidusta luennasta, jolloin tietojen yhdistäminen kliinikkojen keräämään kliiniseen dataan oli huomattavasti helpommin toteuttavissa. Suomessa tämänkaltaista yhdistettyä rekisteridataa voi käsitellä Findatan tarjoamassa Kapseli-analyysiympäristössä. Kapselista ulosotettavassa aineistossa ei saa olla tietoja, joista yksittäisen potilaan tietoja voi päätellä – toisin sanoen tiedon pitää olla anonyymiä. Pyrimme osana tutkimusta myös pilotoimaan geneettistä tietoa sisältävän kliinisen aineiston anonymisointia tähän erikoistuneen Veil.ai yrityksen avulla [3]. Tutkimushankkeessa Rochen tutkijat vastasivat artikkelin pääasiallisesta kirjoittamisesta ja osallistuivat tutkimusaineiston analyysiin. Tarkastelimme ja vertailimme myös sitä, missä määrin lähdejärjestelmistä manuaalisesti kerätyt muuttujat olivat rakenteellisia.   

Suomessa on siis olemassa infrastruktuuri vaativienkin tosielämän tietoa käsittelevien tutkimusten tekoon. Kuten julkaisemastamme tutkimuksestakin voimme huomata, harvoin yksittäisellä taholla on osaamista tai resursseja tehdä yksin kaikkea. Tämän vuoksi yhteistyö julkisen ja yksityisen puolen välillä kuin myös yksityisten yritystenkin välillä on tärkeää, jotta voimme Suomessa ja Euroopassa jalostaa raaka-aineesta (datasta) lisäarvoa tuottavia sovellutuksia. 

Suomessa on tapahtunut myös viime vuosien aikana huomattavaa kehitystä tällä saralla, toteavat Medaffconin tiimissä olleet Liisa Ukkola-Vuoti, Samuli Tuominen ja Anna Anttalainen: "Findatan perustamisen jälkeen suomalaisen terveysdatan hyödyntäminen tutkimuksessa on muuttunut järjestelmällisemmäksi. Laadukas tosielämän tutkimus ei kuitenkaan synny pelkästään datan saatavuudesta. Nykyisin suurimmat haasteet liittyvät usein itse datan rakenteeseen: kliinisesti tärkeää tietoa löytyy edelleen paljon vapaamuotoisista potilaskirjauksista, mikä vaatii manuaalista työtä ja asiantuntijatulkintaa. Suomella on poikkeuksellisen vahvat tietovarannot, mutta niiden täysi hyödyntäminen edellyttää edelleen investointeja tiedon harmonisointiin, standardointiin ja analytiikkaan." 

Mitä opimme ja miltä toivomme onkologian RWD data-analytiikan näyttävän 5–10 vuoden päästä?

Julkaisuun päättynyt projektimme oli pitkä tie, jossa saimme paljon oppeja. Ensimmäinen ideointipalaveri pidettiin loppuvuodesta 2020. On tärkeää arvioida, mikä tieto on välttämätöntä ja mikä tieto vähemmän oleellista, koska kaiken tiedon kerääminen kuluttaa aikaa ja euroja. Toisaalta osa pitkästä aikävälistä ideoinnin ja julkaisun välillä johtui Suomen toisiolakiviranomaisen, Findatan, alkuvuosien pitkähköistä käsittelyajoista. Tämän suhteen on onneksi tapahtunut jo hienoa kehitystä. Lääkeyrityksen näkökulmasta tutkimustiedon oikea-aikainen tuottaminen esimerkiksi osaksi lääkkeiden korvattavuusprosesseja on tärkeää. 

Roche on sitoutunut jatkamaan ja innovoimaan tosielämän tiedolla tehtävää tutkimusta Suomessa. Tavoitteena on myös julkaista projektien tutkimustulokset kansainvälisissä kongresseissa ja vertaisarvioiduissa tieteellisissä julkaisuissa. 

Lopuksi haluamme pohtia, miltä tosielämän tutkimus siis voisi näyttää 5–10 vuoden päästä? Ratkaisevatko kielimallit ja tekoäly kaikki vapaisiin tekstikenttiin sisältyvät ongelmat? Miten suomalainen data voi auttaa laajempaa eurooppalaista dataympäristön kehitystä? Kysyimme tätä mukana olleilta kliinikoilta sekä Medaffconin tiimiltä, jolla on pitkä ja laaja kokemus vastaavista projekteista. 

Lääkärit näkevät uusissa tiedonkeruun teknologioissa mahdollisuuksia:

”Tulevaisuudessa erilaiset kielimalli-työkalut (LLM) tuovat toivottavasti helpotusta vapaiden kenttien tiedon keräämiseen, mikäli lainsäädäntö ja tietoturvaratkaisut sen sallivat", sanovat tutkimuksessa mukana olleet syöpätautien erikoislääkärit Juha Kononen ja Jussi Koivunen.

"On tärkeää, että kerättyyn tietoon voi luottaa. Luottamus koneellisesti kerättyyn tietoon on varmasti kasvamassa teknologian kehittyessä", sanoo syöpätautien erikoislääkäri Erika Alanne.

 Myös Medaffconin tiimi luottaa tulevaisuuden ratkaisujen helpottavan tiedonkeruuta: "Uskomme, että 5–10 vuoden kuluttua merkittävä osa kliinisesti relevantista tiedosta pystytään tunnistamaan automaattisesti myös potilastietojen vapaista tekstikentistä tekoälyn ja kehittyneiden kielimallien avulla. Seuraavan vuosikymmenen aikana kilpailu ei enää ratkea siihen, kenellä on eniten dataa, vaan siihen, kuka pystyy muuttamaan datan luotettavaksi tiedoksi nopeimmin. Suomessa lähtökohdat tähän ovat erinomaiset."

Kuvateksti: Samuli Tuominen, Liisa Ukkola-Vuoti, Anna Anttalainen

“Selvää on, että tulevaisuudessa, kuten tänäkin päivänä, olennaista on tutkijan mielikuvitus ja halu löytää vastauksia, hyvät ja merkitykselliset tutkimusasetelmat ja oikeat tilastotieteelliset menetelmät”, toteaa terveystaloustieteen asiantuntija, työelämäprofessori Juha Laine Rochelta. 

Rochen tieteellinen asiantuntija Mikko Myllynen muistuttaa oikeiden menetelmien ja eri tahojen yhteistyön tärkeydestä:

“Näin voimme toivottavasti tuottaa nykyajan öljystä (datasta) Suomeen innovaatioita, jotka luovat Suomeen taloudellista arvoa ja toisaalta auttavat hoitamaan potilaita yhä yksilöllisemmin."

Viitteet:

 [1] Myllynen M, Kononen J, Alanne E, Koivunen J, Anttalainen A, Ukkola-Vuoti L, et al. Retrospective analysis of real-world clinical use of comprehensive genomic profiling in solid tumors in Finland 2017-2020. ESMO Real World Data and Digital Oncology. 2026;13.

[2] Laitinen T, Virkki A, Porkka K, FinOMOP: terveystietojen kansainvälinen harmonisointi, Lääketieteellinen Aikakauskirja Duodecim 2022;138(20):1761-3.

[3] Mehtälä J, Ali M, Miettinen T, Partanen L, Laapas K, Niemelä PT, Khorlo I, Ström S, Kurki S, Vapalahti J, Abdelgawwad K, Leinonen JV. Utilization of anonymization techniques to create an external control arm for clinical trial data. BMC Med Res Methodol. 2023 Nov 4;23(1):258. doi: 10.1186/s12874-023-02082-5. PMID: 37925415; PMCID: PMC10625188.