Tekoäly paljastaa sairauksia analysoimalla fysiologisia signaaleja

Sydänsähkökäyrä ja muut signaalimittaukset eivät kerro mitään, ellei niitä analysoida. Oulun yliopiston fysiologisten signaalien analyysiryhmä etsii uusia tapoja tulkita eri mittauksia. Sydämen, hengityksen ja hermoston signaalien ohella tutkimuskohteena ovat ilmeet, eleet ja puhe.

Sydänsähkökäyrä (EKG) ja aivosähkökäyrä (EEG) ovat tunnettuja esimerkkejä fysiologisista signaaleista. Pelkkä signaalien mittaus ei kuitenkaan riitä. Jotta ne kertoisivat terveydestä, niitä on analysoitava.

Keinoja tähän kehitetään Oulun yliopiston fysiologisten signaalien analyysiryhmässä, johon kuuluu 15−20 tutkijaa niin lääketieteen kuin teknologiankin alalta. Tehtävänä on luoda ”softaa”, algoritmeja, joilla signaaleista lasketaan ja päätellään lääketieteellisiä seikkoja.

Yksi päätutkimuskohteista on EKG-pohjainen sydändiagnostiikka. ”Uusimpia läpimurtoja on kardiologian professori Heikki Huikurin tutkima varhaisen repolarisaation riskimarkkeri, joka kertoo sydämen poikkeavasta palautumisesta lyönnin jälkeen ja äkkikuoleman riskistä”, kertoo fysiologisten signaalien analyysiryhmän johtaja, lääketieteellisen tekniikan professori Tapio Seppänen.

”Havainto on julkaistu johtavilla kansainvälisillä foorumeilla. Oululainen sydänsignaalianalyysi on pitkään ollut Suomen merkittävintä. Pohjana on kolmikanta, johon kuuluvat yliopiston teknologinen ala, lääketieteellinen tiedekunta ja liikuntalääketieteen yksikkö.”

Älypeili lukee ja analysoi sykkeen ja hengityksen ihmisen kasvoista

Sydänsignaalianalyysissa korostuvat myös kotimittauksen uudet mahdollisuudet: oululaisen tutkimuksen ja liike-elämän yhteistyön vanha hedelmä, sykemittari, on saavuttamassa lääketieteellisen tarkkuuden.

”Aiemmin sykeanalyysi on voitu tehdä vain sairaalassa, mutta pikkuhiljaa kotilaitteetkin tuottavat lääketieteellistä tietoa. Ne voivat esimerkiksi avustaa sydänpotilaan kuntoutusohjelmassa tai päätellä sykevaihtelusta hengitystaajuuden ja uniapnean”, Seppänen sanoo.

Sairauksien diagnosointi jää silti lääkärin vastuulle. ”Potilas toimittaa signaalin esimerkiksi pilvipalvelun kautta lääkärille, eikä ’valkotakkiefekti’ vaikuta mittaustulokseen. Mittausdatan langaton siirtäminen kuuluu tutkimuskohteisiimme.”

Tulevaisuudessa siintää signaalin analysointi videokameralla tai jopa potilaan omalla kännykällä, ”älypeilin” avulla. Perustana on kasvojen värin ja laajuuden vaihtelu sykkeen ja hengityksen tahdissa.

”Konenäköalgoritmeilla pystytään jo laskemaan syke- ja hengitystieto”, Seppänen toteaa. ”Meillä on menossa konenäköryhmän professori Guoying Zhaon kanssa akatemiahanke, jonka tavoitteena on löytää niin tarkka algoritmi, että se sopii lääketieteellisiin tarkoituksiin ja analysoi vaikkapa eteisvärinän.”

Tunteiden automaattinen tunnistaminen psykiatrian ja fysiatrian apukeinoksi

Älypeili-idea liittyy analyysiryhmän toiseen keskeiseen tutkimusalaan, affektiiviseen laskentaan. Termi tarkoittaa tunteiden ja ei-sanallisten viestien automaattista tunnistamista ilmeistä, eleistä, puheäänestä ja esimerkiksi hermoston signaaleista.

”Olemme mallintaneet äänen käyttäytymisen eri tunnetiloissa, ja konenäköryhmässä sama on tehty kasvonilmeille. Tunteiden laskennassa päästään jo samanlaiseen tunnistustarkkuuteen kuin keskimääräinen kuulija tai katsoja. Lisäksi yhdistelemme eri analyyseja; ilmeiden ja aivosähkökäyrän analyysin olemme yhdistäneet ensimmäisinä maailmassa.”, Seppänen kertoo.

Ala on toistaiseksi lähellä perustutkimusta eikä sitä ole Suomessa kaupallistettu. Sovellukset herättävät kuitenkin kiinnostusta. Psykiatriassa ne voisivat auttaa esimerkiksi tunnistamaan psykooseja ja depressiota tai auttamaan autistien kommunikointia.

”Fysiatrit ja kardiologitkin ovat kiinnostuneita: Tekes-hankkeisiimme kuuluu kivun automaattinen tunnistaminen, jossa puhe, ilmeet ja autonomisen hermoston signaalit kertovat esimerkiksi selkäpotilaan kivuista.”

Hermosto- ja aivosignaalit muodostavat oman tutkimusalueensa. Tutkimusryhmä on muun muassa löytänyt aivosähkökäyrästä ilmiön, jonka avulla anestesian syvyyden arviointi onnistuu aiempaa tarkemmin. Leikkaussalikäyttöön sopiva menetelmä tarjoaa perustan meneillään olevalle Tekes-hankkeelle, jossa tutkitaan aivovaurion arviointia EEG:n avulla.

”Tutkimuksessa on mukana Oysin tehoyksikkö. Menetelmä on jo patentoitu, ja tavoitteena on kaupallistaa se”, Seppänen kertoo.

Konenäköryhmän ja fysiologisten signaalien analyysiryhmän tutkijat ovat onnistuneet kehittämään sydänsignaalin mittaamisen ja analyysin langattomasti videokameralla tai älykännykän avulla. Mittausdatan siirtäminen langattomasti mahdollistaa sen, että lääkäri voi analysoida potilaan tilaa ajasta ja paikasta riippumatta. 

Maailman tarkin menetelmä hengitysvastuksen mittaamiseen

Fysiologisten signaalien analyysiryhmän neljäs keskeinen ala on kardiorespiratorinen eli sydämen ja keuhkojen toimintaan liittyvä tutkimus. Sovelluskohteisiin kuuluu niin allergioiden, astmojen, apnean kuin keuhkoahtaumasairauksienkin diagnosointi.

”Korva, - nenä- ja kurkkutautien professori Olli-Pekka Alho halusi nenäalueen hengitystä automaattisesti mittaavan laitteen”, Seppänen kertoo ja luettelee aiempien mittaustapojen kompastuskivet: häiriöalttiuden, heikon toistettavuuden sekä dynaamisen vasteen analyysin puuttumisen toiminnallisissa testeissä.

Ryhmä päihitti ongelmat yhdistämällä eri signaalianalyyseja. ”Kehitimme ja patentoimme tekniikan, joka mittaa yläteiden hengitysvastusta jatkuvana signaalina. Näin nopeitakin muutoksia voidaan mitata tarkasti.”

Analyysiryhmä käyttää markkinoilla jo olevia laitteita. Uutta on vain niiden käyttö- ja analysointitapa. Esimerkiksi käy kaksi matemaattista mallia, joista toinen yhdistää pallean ja rintakehän liikkeet hengitysilmavirtaa mittaaviin standardilaitteisiin. Toinen taas yhdistää ylähengitysteiden ilmanpaineen vaihtelun hengitysilmavirtaan ja muodostaa hengitysvastusta kuvaavan signaalin.

Tuloksena on uusi tapa mitata hengitysvastus fysiologisista signaaleista. ”Voin sanoa, että se on maailman tarkin menetelmä. Lisäksi yhdistimme siihen sykeanalyysin ensimmäisinä maailmassa. Sairaalamittauksissa sitä voidaan käyttää vaikka heti”, professori innostuu.

”Tässä on aika huikea bisnespotentiaali. Hengitysmittaus on hyödyntämättä kotilaitteissa, mutta voidaan nykyteknologialla siirtää niihin, kun yritykset vain haluavat.”

Teksti: Jarno Mällinen

Kuvat: Juha Sarkkinen

Videot: Joel Holma

Viimeksi päivitetty: 13.3.2017