Käynnissä olevat projektit

Raskausdiabeteksen hoitoon tekoälyä hyödyntävä sovellus

-- (eMOM_GDM_v.png)

Raskausdiabeetikkojen määrä on lisääntynyt voimakkaasti viimeisen 10 vuoden aikana sekä Suomessa että maailmanlaajuisesti. CleverHealth Networkin käynnistämässä kehitysprojektissa raskausajan diabeteksen hoitoa tuetaan uudella digitaalisella, tekoälyyn pohjautuvalla palvelumallilla.

CleverHealth Networkin käynnistämän projektin tavoitteena on parantaa raskausajan diabeteksen hoitoa ja seurantaa kehittämällä hoitoprosessin tueksi mobiilisovelluksen, joka mittaa ja tallentaa pilveen reaaliaikaisesti äidin jatkuvan glukoositason, fyysisen aktiivisuuden, ravinnon, sykkeen sekä päivittäisen painon.

– Vaikuttamalla elämäntapoihin ja ravitsemukseen raskauden aikana, voidaan todennäköisesti vähentää kakkostyypin diabetekseen sairastuvien äitien määrää sekä lapselle siirtyviä terveysriskejä, ja näin parantaa myös tulevien sukupolvien terveyttä. Sovellus auttaa potilasta oppimaan, miten ruokavalio, aktiivisuus ja uni vaikuttavat verensokeritasoihin ja painon kehitykseen, ja tätä kautta raskauden kulkuun sekä vastasyntyneen terveyteen, kertoo projektin tutkimusjohtajana toimiva naistentautien ja synnytysten erikoislääkäri Saila Koivusalo.

Tiedot välittyvät sovelluksen kautta reaaliaikaisesti hoitohenkilökunnalle, joka voi tarvittaessa antaa ohjausta ja tukea oppimisessa. Sovellus nivoutuu siten osaksi hoitopolkua eikä jää irralliseksi, mikä on suurin hyöty muihin terveyssovelluksiin verrattuna.

– Palvelun avulla voimme tarjota entistä parempaa, nykyaikaista hoitoa. Lisäksi palvelun käyttöönotto tehostaa raskausdiabeetikoiden hoitoprosessia, sillä sairaalakäyntiä vaativien potilastapaamisten määrän odotetaan vähenevän, Koivusalo sanoo.

Tekoälyn avulla ennakoivaa, yksilöllisempää hoitoa

Projektin kehitystyössä hyödynnetään koneoppimista, jonka avulla voidaan räätälöidä potilaan riskiprofiilin mukainen, yksilöllisiä tarpeita vastaava ohjaus ja hoito. Tekoäly mahdollistaa myös ennusteiden tekemisen sekä äidin että syntyvän lapsen tulevasta terveydestä.

– Tämä tarkoittaa esimerkiksi tulevien glukoositasojen ja vastasyntyneen painon ennustamista ennennäkemättömällä tavalla. Ennusteiden avulla sovellus antaa automaattisesti palautetta ja neuvoo kompensoivien valintojen tekemisessä, Koivusalo sanoo.

Yhteistyössä

-- (hus_logo.jpg)-- (elisa_logo.jpg)-- (fujitsu_logo.jpg)-- (aalto.jpg)-- (hy.jpg)-- (businessfinland_logo.jpg)

Lisätietoa

Pia Viklund, projektipäällikkö, pia.viklund[at]hus.fi

Saila Koivusalo, Naistentautien ja synnytysten erikoislääkäri, LT, dosentti, kehittämispäällikkö, saila.koivusalo[at]hus.fi