Joonas Tammisen väitöstutkimuksen mukaan sairaalan ulkopuolella tehtyjen mittauksien avulla rakennettu random forest -algoritmi ennusti lähipäivien kuolleisuutta perinteistä NEWS-pisteytystä paremmin.

Yksi hätäkeskuspäivystäjän tärkeimmistä tehtävistä on tunnistaa sairaalan ulkopuolella tapahtunut sydänpysähdys. Hoitamattomana verenkierron pysähtyminen aiheuttaa potilaalle pysyvän aivovaurion ja voi johtaa tämän menehtymiseen. Elottomuuden tunnistamisen sudenkuoppana on ollut tajuttoman potilaan hengityksen arvioiminen hätäpuhelun aikana, sillä sydänpysähdys ei väistämättä johda hengityksen välittömään pysähtymiseen.

Väitöstutkimuksen ensimmäisessä osatyössä tarkasteltiin hätäpuhelun soittajan käyttämiä avainsanoja ja toisessa osatyössä tutkittiin ensivasteyksiköitä osana hätätilapotilaan hoitoa. Tutkimuksessa havaittiin, että ”korisee” on usein käytetty suomenkielinen avainsana sydänpysähdyspotilaasta. Hätäkeskuspäivystäjän tulisikin olla erityisen valppaana, kun soittaja kuvailee tajuttomana olevan potilaan korisevan.

Tutkimuksessa myös havaittiin, että Pirkanmaan alueen ensivasteyksiköt tavoittivat puolet sydänpysähdyspotilaista keskimäärin neljä minuuttia ennen ambulanssia. Pieneltä vaikuttavalta aikaedulla lienee kuitenkin suotuisa vaikutus sydänpysähdyspotilaan toipumiseen, vaikkei tätä tutkimuksessa pystytty osoittamaan.

Kolmannessa ja neljännessä osatyössä vertailtiin peruselintoimintoihin pohjautuvaa NEWS-pisteytystä koneoppivaan algoritmiin hätätilapotilaan riskinarviossa. Sairaalan ulkopuolella tehtyjen mittauksien avulla rakennettu random forest -algoritmi ennusti lähipäivien kuolleisuutta perinteistä NEWS-pisteytystä paremmin. Ilmiö oli havaittavissa sekä Helsingin ja Uudenmaan sairaanhoitopiirin että Pirkanmaan sairaanhoitopiirin alueilta kerätyiltä potilasaineistoilla.

"Sähköiseen ensihoitokertomukseen kertyvä data avaa mahdollisuuden parempia hoitopäätöksiä tukevan tekoälyn rakentamiseksi”, Tamminen toteaa.

Väitöstilaisuus järjestetään Tampereen yliopistolla 17.9.