Miten lääkäri voi ennustaa yksittäisen potilaan hoitotulosta? Hoitojen tehoa on lääketieteessä perinteisesti tutkittu satunnaistetuissa tutkimuksissa, joissa puolet potilaista arvotaan hoidettavaan ryhmään ja toinen puoli saa valehoitoa. Onko tämä ainoa varma keino, vai voidaanko asia saada selville toisinkin? Miten voidaan arvioida hoitomenetelmien vaikuttavuutta käytännössä? Hyötyvätkö jotkut potilaat hoidosta, josta toiset eivät hyödy?
Itä-Suomen yliopiston, Kuopion yliopistollisen sairaalan ja Aalto-yliopiston tutkijoiden kehittämä uusi menetelmä tarjoaa vastauksia näihin kysymyksiin, sillä se mahdollistaa eri hoitomenetelmien vertailun ja hoidosta hyötyvien potilaiden tunnistamisen mallintamalla. Tekoälypohjainen menetelmä perustuu niin sanottuihin kausaalisiin Bayes-verkkomalleihin. Vastaavaa menetelmää ei lääketieteessä ole aikaisemmin käytetty.
Emeritusprofessori Olli-Pekka Ryynäsen mukaan menetelmä avaa merkittäviä mahdollisuuksia lääketieteellisen tutkimuksen kehittämiseen.
– Hoitotulosta voidaan ennustaa yksittäisillä henkilöillä, voidaan arvioida käytössä olevia tai uusia hoitomenetelmiä ja satunnaistettuja tutkimuksia voidaan osittain korvata mallintamalla.
Juuri julkaistussa tutkimuksessa tutkijat sovelsivat menetelmää uniapnean hoidon arviointiin, mutta sitä voidaan soveltaa myös muihin hoitoihin. Tutkimus osoitti CPAP-hoidon vähentävän uniapneapotilaiden kuolleisuutta, sydäninfarkteja ja aivoverenkiertohäiriöitä pitkällä aikavälillä runsaan viiden prosenttiyksikön verran. Sydänsairaat potilaat hyötyivät vähemmän.
Tutkimus julkaistiin Healthcare Informatics Research -tiedejulkaisussa.
