Fimlabin patologiassa on edetty suurin harppauksin kohti digitalisaatiota. Uusien laitteiden käyttöönotto aloitettiin histologian puolella viime vuoden aikana.

Vuonna 2018 käynnistynyt digipatologian hankintaprosessi saatiin viime vuonna onnistuneesti päätökseen, huolimatta korona-ajan haasteista. Yhteisten intressien ja synergiaetujen vuoksi hanke toteutettiin yhteistyössä Varsinais-Suomen ja Vaasan sairaanhoitopiirien sekä SataDiagin kanssa. Fimlabin osuus on noin puolet yli viiden miljoonan euron kokonaishankkeesta.

Uuden laitteiston koeajo ja infran pysytys suoritettiin viime vuoden kevään aikana, ja kesällä laitteisto oli skannausvalmiudessa.

– Alan edelläkävijöinä Suomessa meillä oli jo entuudestaan hyvä tekninen valmius ja henkilöstön osaaminen korkealla tasolla. Olemme Fimlabissa tehneet näytelasien digitointia jo 2000-luvun loppupuolelta lähtien ja perehtyneet erilaisiin ratkaisuihin varsinaisten alan pioneerien kanssa, patologian erikoisalajohtaja Mika Tirkkonen luonnehtii. 

Syksyn aikana histologiassa siirryttiin lähes kokonaan näytelasien digitointiin, joten fyysisten lasien käsittelystä pyritään vähitellen kokonaan pois lääkärien osalta. Se tulee merkitsemään syvällistä muutosta koko patologian laboratorion toiminnassa.

Histologian jälkeen patologian syvällisen muutosprojektin painopiste siirtyy sytologiaan vuoden 2022 aikana. Sytologisten näytteiden ominaislaadun vuoksi digitointi on vaikeampaa. Sytologia on solukerroksen ohuudesta huolimatta kolmiulotteisempaa ja kerroksittaisempaa, mikä hieman haastaa perinteisiä lasiskannereita. Nestesytologia osin helpottaa tässä suhteessa, siinäkin Fimlabilla on etenemissuunnitelmat olemassa.

Potilas hyötyy tarkemmasta ja nopeammasta diagnoosista

Digitalisaation avulla pyritään nopeuttamaan ja lisäämään diagnostiikan tarkkuutta. Digitointi mahdollistaa lääkärin välittömän pääsyn asiakkaan koko näytehistoriaan, mikä antaa paremman kokonaiskuvan ja diagnostiikan jatkuvuuden. Manuaalisten vaiheiden poistuminen vähentää inhimillisten virheiden määrää, kun esimerkiksi näytelasien ja paperisten lähetteiden käsittely jää pois.

Näytelasien skannaus on lisännyt tutkimuksen riippumattomuutta ajasta ja paikasta, mikä on ollut omiaan etätyösuosituksen aikaan. Kun näyte on valmiina digitoituna, voi Fimlabin patologi tai ulkopuolinen asiantuntija tehdä diagnoosin etänä ja hyödyntää tarvittaessa potilasrekisteritietoja, rinnakkaistutkimusten tuloksia ja koko laajaa aiempien näytteiden histologiaa digitoidussa muodossa.

Näytelasien digitointi mahdollistaa myös tekoälyn hyödyntämisen diagnostiikassa.

– Eräs digitoinnin kunnianhimoinen tavoite voisi olla se, että potilas voisi saada luotettavan diagnoosin huomattavasti nopeammin. Digitoinnin kautta voitaisiin tulevaisuudessa automatisoidusti muuttaa näytteiden priorisointia sen mukaisesti, jos tekoäly karkealla tasolla tunnistaa laseista syöpäsoluja ennen kuin näyte päätyy ihmisen tulkittavaksi, Tirkkonen kuvailee.

Tällaisia tekoälysovelluksia on jo olemassa tietyille näytetyypeille. Lääkäri luonnollisesti varmentaa aina diagnoosin. Erityisesti syöpätapauksissa nopeutus on merkityksellinen parannus. Kun diagnoosi saadaan käyttöön jo hoitopolun alkumetreillä, kliinikon vuorovaikutus potilaan kanssa paranee ja epävarmuuden aika lyhenee.

Tekoälyn avulla datasta enemmän irti

Tekoäly parantaa tieteellisten julkaisujen mukaan diagnostiikan yhtenevyyttä ja laatua, mikä nopeuttaa patologin työtä.  Sen avulla voidaan myös kohdentaa resursseja tärkeitä löydöksiä sisältäviin tapauksiin ja tehostaa hoitopolun etenemistä. Monesti patologian näytteissä onkin kyse siitä, onko potilaalla vakavia löydöksiä vai ei. Löydösten tarkka tyypitys ja luokittelu on diagnoosipolussa seuraava vaihe ja siinäkin uudet algoritmit todennäköisesti tuovat merkittävää tukea lääkärille.

Digipatologiasta saatavaa valtavaa datamäärää ei pystytä vielä täysimittaisesti hyödyntämään. Esimerkiksi patologian diagnostiikkaan potentiaalisesti soveltuvia algoritmeja on julkaistu sadoittain, mutta vasta harva niistä on kliinisessä käytössä. Tekoälysovellusten diagnostista käyttöä edistääkseen Fimlab etsii parhaillaan sopivia tekoälykumppaneita, joiden tavoitteet ja laatu sopivat yhteen Fimlabin toiminnan tavoitteiden kanssa. Tavoitteena on saada lähivuosina käyttöön useita soveltuvia algoritmeja patologian diagnostiikan avuksi ja kehittää digitaalista alustaa algoritmien neuroverkko-oppimista varten.