Labqualityn tuotantojohtaja Jonna Pelanti on aloittanut väitöskirjaprojektin yhteistyössä HUSLABin kanssa liittyen diagnostiikan laadunparantamiseen. Improving diagnostic testing quality by meaningful data mining -väitöskirjaprojektin tarkoituksena on määrittää laboratoriotutkimusten viitearvoja ja biologista variaatiota suureen datamäärään pohjautuen sekä Labqualityn EQA-tulosten hyödyntäminen ja uuden lisäarvon tuottaminen asiakkaille heidän suoriutumisestaan. Projektin ohjaajana toimii dosentti Outi Itkonen (HUSLAB). Työryhmässä ovat mukana HUSLABista myös erikoislääkäri Mikko Anttonen ja erikoislääkäri, IT-asiantuntija Janne Suvisaari (HUSLAB).
Kliinisten laboratorioiden tietojärjestelmissä on tallessa valtava määrä potilastietoja ja laboratoriotuloksia. Tämän tiedon käyttö potilaiden hoidon hyväksi on kuitenkin melko tehotonta suhteutettuna sen koko potentiaaliin. Nykytiedon valossa kansainvälisen suosituksen mukainen 120 näytteen otos viitevälien laskemiseksi on liian pieni. Lisäksi lasten ja iäkkäiden näytteitä saadaan hyvin harvoin viiteaineistoon. Täysin terveisiin nuoriin henkilöihin perustuvat viiterajat soveltuvat käytännössä huonosti sairaalapotilaille. On jo osoitettu, että nykyisin käytössä olevat viiterajat voivat olla joko virheellisiä tai liian epätarkkoja ja voivat johtaa turhiin lisätutkimuksiin ja selvittelyihin.
Preanalytiikan ja biologisen variaation merkitykseen on kliinisissä laboratorioissa viime vuosina alettu kiinnittää huomiota, mutta tutkittavien analyyttien pitoisuuksiin vaikuttavista preanalyyttisistä tekijöistä tunnetaan vain osa. Myös yksilön sisäisestä (esim. ikä, sukupuoli, painoindeksi, alkoholin kulutus, tupakointi, fyysinen harjoittelu, ruokavalio, hormonaaliset tekijät) ja elinympäristöstä, vuorokauden tai vuodenajan vaihtelusta johtuvasta variaatiosta eri biomerkkiaineiden pitoisuuksissa on vielä paljon selvitettävää. Biologisen variaation heikosta tuntemuksesta seuraa, että tuloksia ei välttämättä osata tulkita parhaalla mahdollisella tavalla. Lisäksi polikliiniset näytteenottopisteet ruuhkaantuvat aamuisin osin ehkä turhaan siksi, että viiterajat yleensä on määritetty aamunäytteistä ja aamunäytteenottoa siksi usein suositellaan.
Projektin tavoitteena on oppia hyödyntämään erittäin laajaa digitaalista potilastietoa ja laboratoriotuloksia (ns. big data) laboratoriodiagnostiikan laadun parantamiseksi sekä em. tietoihin perustuen jalostaa laboratoriotulosten tulkintaa sekä tutkimusten kohdentamista hoitavan lääkärin apuna. Viiterajojen ja biologisen variaation tutkiminen HUSLABin datasta on lääketieteellisesti merkittävää.
Labquality tuotantojohtaja DI, sairaalakemisti Jonna Pelanti, jolla on usean vuoden kokemus laadunhallinnan IT-ratkaisuista, on erittäin kiinnostunut tekemään diagnostiikan laadunparantamiseen liittyvän väitöskirjan, josta 2/3 toteutetaan yhteistyössä HUSLABin kanssa. Loppuprojekti tehdään Labqualityn tietokannassa olevista tuloksista, joita on useiden kymmenien vuosien ajalta. Moderneilla matemaattisilla mallinnusmenetelmillä toivotaan löydettävän muuttujia, joiden avulla kliiniskemiallisten menetelmien laatua voidaan arvioida tarkemmin ja parantaa.
”Olen ollut Labqualityssä töissä noin yhdeksän vuoden ajan ja olen saanut kehittää laadunarviointipalveluita kliinisille laboratorioille laboratoriotulosten oikeellisuuden varmistamiseksi. Olen toivonut, että tulisi eteen projekti, jossa voisin päästä edelleen kehittymään ja kehittämään terveydenhuollon diagnostista tarkkuutta ja potilaiden hoitoa, ja nyt tällainen projekti on tullut mahdolliseksi. Koen erittäin motivoivana sen, että pystymme hyödyntämään laboratoriojärjestelmissä olevia tuloksia ja tuottamaan non-invasiivisesti parempia ja ajanmukaisempia viitearvoja potilaiden paremman hoidon turvaamiseksi ja terveyden hyväksi,” toteaa Jonna.
Ensimmäinen tiedonlouhintaprojekti on viiterajojen tarkistaminen 5 v. käytössä olleille S -5HIAA ja S -MetNor analyysimenetelmille hyödyntäen tuhansien jo analysoitujen potilasnäytteiden tuloksia yhdessä prof. Piero Rinaldon (Mayo Medical Laboratories, Rochester, MN, USA) kanssa hänen kehittämällään matemaattisella mallinnuksella (ns. bacon plot eli liikuva mediaani +/- 95% luottamusväli). Tämän ensivaiheen jälkeen samaa lähestymistapaa hyödynnetään preanalyyttisten tekijöiden selvittämiseksi sekä laboratoriodiagnostiikan parantamiseksi.
Ensimmäinen tieteellinen artikkeli tutkimuksesta on tarkoitus julkaista vuonna 2020.