Kardiologian alaan kuuluva väitöskirja tarkastetaan terveystieteiden tiedekunnassa. Väitöstilaisuus järjestetään Mikkelin keskussairaalassa ja sitä voi seurata myös verkossa.
Mikä on väitöstutkimuksesi aihe? Miksi aihepiiriä on tärkeää tutkia?
Väitöstutkimukseni aiheena on eteisvärinän algoritmipohjainen tunnistaminen fotopletysmografialla. Fotopletysmografia eli pulssiaaltomittaus on optinen menetelmä, jonka avulla sykettä voidaan mitata valon avulla ihon pinnalta.
Eteisvärinä on yleisin rytmihäiriö ja merkittävä sydämestä lähtöisin olevien verenhyytymien aiheuttamien aivoinfarktien syy. Eteisvärinä aiheuttaa 20–30 prosenttia aivoinfarkteista ja siten tarpeetonta inhimillistä kärsimystä ja kustannuksia yhteiskunnalle. Yhden aivoinfarktin suorat kustannukset terveydenhuollolle ovat noin 21 000 euroa ja loppuelämän kustannukset noin 81 000 euroa.
Joka kolmas ihminen on riskissä sairastua eteisvärinään elinaikanaan ja riski kasvaa ikääntyessä. Eteisvärinää sairastaa alle 60-vuotiaista vain 0,4 prosenttia, mutta yli 75-vuotiasta jo yli 10 prosenttia. Aivoinfarktiin sairastuu Suomessa noin 18 000 henkilöä vuodessa.
Eteisvärinä on usein kohtauksittainen ja yli 40 prosentilla potilaista oireeton, mikä tekee sen havaitsemisesta haastavaa. Rytmihäiriön varhainen tunnistaminen mahdollistaisi hoidon aloittamisen, jolloin eteisvärinään liittyvien lisäsairauksien ja kuoleman riskiä voitaisiin pienentää. Verenohennuslääkityksen avulla jopa kaksi kolmesta aivoinfarktista voitaisiin estää.
Fotopletysmografia on lupaava menetelmä eteisvärinän havaitsemisessa. Väitöstutkimuksen ensisijaisena tavoitteena oli arvioida fotopletysmografiarannekkeen kykyä tunnistaa eteisvärinä käyttäen automaattisia algoritmeja. Toissijaisia tavoitteita olivat fotopletysmografiasignaalin laadun ja käyttäjäkokemusten arvioiminen.
Mitkä ovat väitöstutkimuksesi keskeiset tulokset tai havainnot?
Fotopletysmografiaranneke mahdollisti jatkuvan rytmin monitoroinnin ranteesta ilman perinteisten rytmin seurantaan tarkoitettujen elektrokardiogrammipohjaisten (EKG) laitteiden johtoja ja märkäelektrodeja. Automaattinen algoritmi tunnisti epäsäännöllisen sykkeen ja eteisvärinän luotettavasti. Eteisvärinän tunnistamisen luotettavuus säilyi korkeana vuorokaudenajasta riippumatta. Menetelmä mahdollistaa oikea-aikaiset eteisvärinähälytykset, jolloin eteisvärinän diagnoosiin vaadittava EKG voitaisiin rekisteröidä mahdollisesti ohimenevän rytmihäiriön aikana. Fotopletysmografiaranneke ja automaattinen eteisvärinän tunnistusalgoritmi voisivat soveltua eteisvärinän seulontaan.
Miten väitöstutkimuksesi tuloksia voidaan hyödyntää käytännössä?
Kuluttajamarkkinoilla ja terveydenhuollossa on käytössä erilaisia rytminseurantaan käytettäviä teknologioita. Rannekkeen ja automaattisten eteisvärinätunnistusalgoritmien avulla voitaisiin havaita eteisvärinän mahdollisuus, jolloin potilas voitaisiin ohjata varhaisessa vaiheessa jatkotutkimusten ja hoidon piiriin. Varhainen eteisvärinän havaitseminen voisi mahdollistaa esimerkiksi verenohennuslääkkeen aloittamisen, jolloin potilaan riski sairastua aivoinfarktiin pienenee. Tämä voi tarkoittaa enemmän terveitä elinvuosia elämän aikana ja aivoinfarktin hoidon kustannusten säästymistä. Tulevaisuudessa menetelmää voisi harkita käytettävän esimerkiksi oman rytmin seurantaan kotona, tai terveydenhuollossa vaihtoehtona perinteisille EKG-pohjaisille rytminvalvontamenetelmille.
Kotimainen eteisvärinän Käypä hoito -suositus suosittaa pulssin tunnustelua ranteesta eteisvärinän seulonnan perustyökaluksi ja tämän opettamista terveydenhuollon vastaanotolla kaikille iäkkäille tai muuten suuressa eteisvärinäriskissä oleville, kuten uniapneaa tai verenpainetautia sairastaville. Lisäksi riskiryhmät voivat käyttää erilaisia teknologioita omatoimiseen rytmiseurantaan. Uusia teknologiaratkaisuja tarvitaan erityisesti oireettoman ja kohtauksellisen eteisvärinän havaitsemiseen väestön ikääntyessä ja väitöskirjatutkimuksessa kehitetty automaattinen jatkuvaan rytmin monitorointiin ehdotettu menetelmä on yksi mahdollinen ratkaisu. Eteisvärinän varhainen tunnistaminen voisi auttaa ehkäisemään aivohalvauksia sekä näiden aiheuttamaa inhimillistä kärsimystä ja tukea mahdollisesti iäkkäiden elämänlaatua ja toimintakykyä.
Mitkä ovat väitöstutkimuksesi keskeiset tutkimusmenetelmät ja -aineistot?
Väitöstutkimus koostui kolmesta kliinisestä tutkimuksesta, jotka olivat osa kolmea laajempaa tutkimushanketta. Potilaita, joilla oli eteisvärinä tai normaali sydämen sinusrytmi, rekrytoitiin Kuopion yliopistollisen sairaalan, HUS Helsingin yliopistollisen sairaalan ja Pohjois-Karjalan keskussairaalan päivystyspoliklinikoilta ja kardiologisilta osastoilta toukokuun 2017 ja joulukuun 2019 välisenä aikana. Kaikkiaan 1504 potilasta seulottiin tutkimukseen osallistumista varten, heistä 793 rekrytoitiin mukaan tutkimuksiin ja loppuanalyyseihin hyväksyttiin 745, joista 351:llä oli eteisvärinä ja 394:llä normaali sinusrytmi. Fotopletysmogrammi rekisteröitiin rannekkeella ja vertailukohteena olivat samanaikaisesti tallennetut EKG:t.
Tutkimusasetelma oli prospektiivinen tapaus-verrokkitutkimus diagnostisen testin tarkkuuden määrittämiseen. Ensimmäisessä tutkimuksessa arvioitiin menetelmän tarkkuutta havaita yksittäisiä pulsseja fotopletysmografiasignaalista, ja kahta alun perin EKG-signaalin analysointia varten kehitettyä eteisvärinän tunnistusalgoritmia käytettiin eteisvärinän havaitsemiseen. Toisessa tutkimuksessa arvioitiin kymmenen karkean fotopletysmografiasignaalin ominaispiirteen soveltuvuutta eteisvärinän tunnistamiseen. Tutkimuksessa kehitettiin ja validoitiin uusi eteisvärinän tunnistusalgoritmi. Kolmannessa tutkimuksessa jatkuvat 24 tunnin fotopletmysmogrammit jaettiin 10, 20, 30 ja 60 minuutin aikaikkunoihin. Paras aikaikkuna valittiin lopulliseen algoritmiin, ja eteisvärinähälytykset luotiin simuloimaan jatkuvaa reaaliaikaista eteisvärinän monitorointia. Eteisvärinähälytysten sensitiivisyydet ja positiiviset ennustearvot laskettiin. Lisäksi kerättiin potilaiden käyttäjäkokemuksia.
Lääketieteen lisensiaatti Eemu-Samuli Väliahon väitöskirja Photoplethysmography in algorithm-based detection of atrial fibrillation (Eteisvärinän algoritmipohjainen tunnistaminen fotopletysmografialla) tarkastetaan terveystieteiden tiedekunnassa. Vastaväittäjänä toimii professori Juhani Junttila Oulun yliopistollisesta sairaalasta ja kustoksena professori Juha Hartikainen Itä-Suomen yliopistosta.
Väitöstä voi seurata Youtubessa 9.6.2023 klo 12 alkaen: https://youtube.com/live/kTQCOyP76qQ
Lisätietoja:
LL Eemu-Samuli Väliaho, eemuv(a)uef.fi
