MedEngine Oy:n tieteellinen seniorikonsultti Heidi Loponen hyödyntää rekisteritietoja tutkimuksessa, jossa tarkoituksena on vahvistaa syöpähoitoja koskevan matemaattisen mallin käyttökelpoisuus. “Jos malli todetaan toimivaksi, tutkimustietoa syövän hoidosta saadaan tulevaisuudessa tuotettua pienemmällä potilasmäärällä ja eettisemmin”, Loponen kertoo.
MedEnginen tutkijatiimi on saavuttanut keuhkosyöpää koskevassa tutkimuksessaan merkkipaalun. Miltei vuoden pituinen Findatan tietolupaprosessi on päättynyt. Rekisterilupa on myönnetty, ja datan keruu on vihdoin käynnissä.
Tutkimuksen tilaaja Takeda on aiemmin tutkinut matemaattisen mallinnuksen käyttämisen mahdollisuutta syövän kasvun ennustamisessa. Pyrkimyksenä on kehittää menetelmä, jolla kliiniseen lääketutkimukseen voitaisiin luoda virtuaalinen kontrollihaara. Menetelmä on kokeellinen, ja nyt tehtävän rekisteritutkimuksen kautta on tarkoitus validoida menetelmän toimivuutta.
“Tutkimme aineistoa, joka koostuu edennyttä, ei-pienisoluista keuhkosyöpää sairastavien henkilöiden tiedoista. Tutkittavana on pieni otos potilaista, joilla on tietty syövän kehitystä säätelevä mutaatio. Aineisto kerätään kolmesta sairaanhoitopiiristä: Helsingistä ja Uudeltamaalta, Pirkanmaalta ja Varsinais-Suomesta”, MedEnginen Medical Data Science -tiimissä tutkimusta johtava Heidi Loponen kuvailee.
Keuhkosyöpä on Suomessa kolmanneksi yleisin syöpä. Vuosittain siihen sairastuu Suomessa noin 2800 ihmistä. Tutkimuksen aineistoa on kerätty erikoissairaanhoidon rekistereistä yliopistosairaaloiden tietopalveluiden sekä manuaalisen, tietojenkeruulomakkeelle tapahtuvan poiminnan avulla.
“Aineistomme on erikoislaatuinen. Keräämme erikoissairaanhoidon potilastietojärjestelmistä sekä kliinistä tietoa, kuten tietoa taudin levinneisyydestä sekä annetuista hoidoista, että hoidon aikana otettuja tietokonetomografiakuvia, jotka siirretään Findataan. Tutkimukseen osallistuu radiologi, joka mittaa parametrejä kuvantamistiedostoista”, Loponen kertoo.
Uusilla tutkimusmenetelmillä ratkotaan syövän hoidon ja tutkimuksen haasteita
Loponen kuvailee meneillään olevan tutkimuksen olevan osa laajempaa trendiä, jossa kliininen tutkimus ja rekisteritutkimus lähentyvät toisiaan. Rekistereihin kertynyttä tietoa halutaan hyödyntää entistä enemmän myös kliinisessä tutkimuksessa. Erityisesti trendi koskee onkologiaa eli syöpäsairauksia koskevaa lääketiedettä, jossa pienet potilasryhmät ovat tyypillisiä.
“Kliinisessä lääketutkimuksessa osa syöpäpotilaista saa standardihoitoa, osa taas hoitoa, jonka tehoa vasta tutkitaan, mutta joka on osoittautunut varhaisen vaiheen tutkimuksissa tehokkaaksi. Satunnaistettuja kontrolloituja tutkimuksia on vaikea rakentaa pienellä potilasmäärällä. Tämän takia kliinisen tutkimuksen tekemiseen tarvitaan vaihtoehtoisia tapoja. Virtuaaliset kontrollihaarat ovat eräs keino, jolla kliiniseen tutkimukseen liittyviä ongelmia voidaan ratkoa”, Loponen kuvailee.
Käytännössä virtuaalisen kontrollihaaran rakentaminen voisi tarkoittaa sitä, että kliiniseen lääketutkimukseen ei tarvittaisi varsinaista kontrollipopulaatiota. Potilas voisi toimia itsensä kontrollina tai kontrolliaineisto kerättäisiin kokonaisuudessaan rekisteritiedoista.
“Jos nyt tutkittava matemaattiseen mallinnukseen perustuva menetelmä osoittautuisi toimivaksi, sen avulla pystyttäisiin ennustamaan, mitä potilaan syövälle olisi tapahtunut, mikäli tämä olisi jatkanut standardihoidolla tutkittavan hoitomuodon sijaan. Varsinaisen kontrollihaaran käyttö vältettäisiin, jolloin tutkimustietoa saataisiin tuotettua pienemmällä potilasmäärällä eettisemmin. Tämä toisi myös kustannussäästöjä kliiniseen tutkimukseen”, Loponen sanoo.
“Tietolupaprosessi vaati huolellisesta esiselvitystä, mikä edellytti kommunikointia kliinikoiden ja rekisterinpitäjien kanssa jo ennen hakemusta. Hakemuksen käsittelijä oli hyvin aktiivisesti yhteydessä, ja keskustelua käytiin yhdessä.”
– Heidi Loponen, Senior Scientific Consultant, MedEngine Oy
Aktiivista vuoropuhelua käytiin läpi hakemusprosessin
Tietolupaprosessi kattoi laajan aineiston dataa ja kesti lähes vuoden verran. Prosessissa mukana ovat olleet toimeksiantaja Takeda, yliopistosairaaloiden kliinikot, radiologi ja MedEnginen tiimi, joka on vastannut tietojen hausta Findatasta ja tehnyt dokumentaation. Tietolupaprosessin aikana tiivis vuoropuhelu ja yhteistyö ovat olleet tärkeässä roolissa.
“Siitä lähtien kun hakemus otettiin käsittelyyn, kaikki eteni hyvin ja suhteellisen joutuisasti. Tietolupaprosessi vaati huolellisesta esiselvitystä, mikä edellytti kommunikointia kliinikoiden ja rekisterinpitäjien kanssa jo ennen hakemusta. Hakemuksen käsittelijä oli hyvin aktiivisesti yhteydessä, ja keskustelua käytiin yhdessä”, hankkeen tietolupahakemuksesta vastannut Loponen sanoo.
Käsittelyprosessi itsessään sujui hyvin eikä turhia viiveitä ollut. Loponen kiinnittää kuitenkin huomiota siihen, että riittävän lyhyet käsittelyajat ovat tärkeä edellytys tutkimuksen teolle.
”Lupaprosessien pitkät jonotus- ja käsittelyajat kokonaisuudessaan ovat ongelma. Suomessa menetetään mahdollisuuksia toteuttaa rekisteritutkimusprojekteja näistä viiveistä johtuen”, Loponen sanoo.
Tutkimus on ollut jo nyt vaiheikas matka kohti tuloksia
Hyvästä valmistautumisesta ja esiselvityksestä huolimatta matkan varrelle on mahtunut myös yllätyksiä. Tutkimustiimi on päässyt tekemään pioneerityötä.
Tietokonetomografian kuvantamisdataa tarkastellaan Findatan Kapselissa, jolloin radiologin on oltava mukana. Kapseli on Findatan tietoturvallinen käyttöympäristö yksilötasoisen aineiston käsittelyyn.
“Saimme käsityksen, että Kapselissa ei ollut käsitelty aiemmin tällaista kuvantamisdataa eikä standardiohjelmistoa sen käsittelyyn ollut olemassa. Tarkoituksena on viedä mittauksiin soveltuva ohjelmisto Kapseliin. Tämä ei ollut Findatallekaan tuttu prosessi, vaikka voisi kuvitella, että kuvantamisdataa olisi hyödynnetty rekisteritutkimuksessa”, Loponen sanoo.
Kapseli täyttää toisiolain ja tietoturva-asetuksen standardit, ja datan käsittely tietoturvan näkökulmasta on tehty Loposen mukaan tutkijoille helpoksi. Seuraavaksi tutkijatiimille selviää, onko matemaattinen malli toimiva ja pystytäänkö sillä ennustamaan potilaan syövän kasvun käyttäytymistä.
Tutkijan vinkki tietolupaa hakevalle
“Perustele hakemuksessa tarvittava aineisto ja poimintapyyntö mahdollisimman tarkasti. Mitä yksiselitteisempi hakemus on, sitä parempi. Jo tutkimuksen suunnitteluvaiheessa kannattaa olla yhteydessä rekisterinpitäjiin. Mitä paremmin esiselvitys on tehty, sitä vähemmän kysymyksiä herää hakemuksen käsittelyssä. Tämä ehkäisee turhia viivästyksiä hakemuksen käsittelyvaiheessa.”
– Heidi Loponen, Senior Scientific Consultant, MedEngine Oy
Mikä on Findata?
- Findata on vuonna 2020 aloittanut sosiaali- ja terveystietojen yhden luukun tietovarantopalvelu. Sen toiminta perustuu vuonna 2019 voimaan tulleeseen toisiolakiin, eli lakiin sosiaali- ja terveystietojen toissijaisesta käytöstä.
- Findata myöntää tietolupia aineistojen käyttöön muun muassa tieteelliseen tutkimukseen, tilastointiin ja viranomaisten selvitystehtäviin.
- Sen tavoitteena on parantaa sosiaali- ja terveystietoja sisältävien aineistojen tietoturvaa ja mahdollistaa niiden tehokas hyödyntäminen.
- Findata toimii Terveyden ja hyvinvoinnin laitos THL:n yhteydessä, eriytettynä THL:n muusta toiminnasta.
Artikkeli on osa Findatan julkaisemaa Datasta tutkimukseen -artikkelisarjaa, joka avaa toisiolain tuomia muutoksia ja Findatan toimintaa. Sarjassa esittelemme tutkimuksia, joissa on hyödynnetty Findatan kautta saatavia aineistoja.
