Lääkärin ei tarvitse kohta enää arvailla, minkä antibiootin hän valitsee.

Kehitteillä on bioinformaation hyödyntämiseen perustuva diagnosointimenetelmä, jolla haavainfektion taudinaiheuttajista saadaan nopeasti täydellinen kartta. Eikä siinä kaikki. Samalla kehitetään tekoälyyn pohjautuvia menetelmiä, joiden avulla pyritään ennustamaan, mikä antibiootti tehoaa kyseiseen bakteeriin parhaiten. Tämän jälkeen lääkärin tehtäväksi jää määrätä täsmälääke.

Bugsy-projektia (Leikkausalueen patogeenien tunnistus metagenomiikan menetelmiä hyödyntäen) johtavat bioinformaatikot Liisa Holm ja Matti Kankainen. Rahoitus tulee Yksilöllistetty terveys – perimästä yhteiskuntaan -akatemiaohjelmasta. Poikkitieteellisessä hankkeessa on mukana laaja rinki laskennallisen biologian, plastiikkakirurgian, farmakologian, molekyylibiologian ja mikrobiologian huippuosaajia Helsingin yliopistosta.

”Tutkimuskohteena ovat palovammapotilaat, joille on tehty ihosiirreleikkaus, ja siirteen ottokohta on infektoitunut. Kun menetelmä on testattu heillä toimivaksi, sitä voidaan ryhtyä soveltamaan laajemminkin bakteeri-infektioihin”, bioinformatiikan professori Holm kertoo.

Parempaa diagnostiikkaa tarvitaan

Leikkausalueiden infektiot ovat yleisiä myös Suomessa. Jopa pari prosenttia leikkauspotilaista saa infektion, mikä tarkoittaa 19 000 potilasta vuosittain. Noin 150 heistä menehtyy.

Perinteinen tapa selvittää infektion aiheuttaja on bakteeriviljely, joka on hidas menetelmä. Sillä ei välttämättä pystytä tunnistamaan bakteereita kovin tarkasti, jolloin lääkäri joutuu määräämään lääkkeen ilman tarkkaa tietoa tulehduksen todellisesta aiheuttajasta.

”Lääkäri valitsee antibiootin kliinisen historian perusteella. Käytännössä valitaan laajakirjoinen antibiootti, joka tepsii mahdollisimman moniin bakteereihin”, farmakologian dosentti Esko Kankuri toteaa.

Tämä on iso kliininen, globaali ongelma.

”Runsas käyttö vähentää antibioottien tehoa ja johtaa resistenttien bakteerikantojen yleistymiseen. Näin menetetään elintärkeitä lääkkeitä ja vaikeiden infektioiden riski kasvaa. Potilaat myös altistuvat haittavaikutuksille, joita laajakirjoisilla antibiooteilla on.”

Näytteiden käsittely automatisoidaan

Ennen kuin uusi diagnosointimenetelmä on valmis, jokaisen palasen on loksahdettava kohdalleen.

Kankurin sekä Palovammakeskuksen osastonylilääkäri Jyrki Vuolan ja Elintarvike- ja ympäristötieteidenlaitoksen yliopistolehtori Pekka Varmasen tutkimusryhmät kehittävät yhdessä näytteenkeräys- ja näytteenkäsittelymetodiikkaa.

”Rekrytoimme mukaan HUS:n palovammakeskuksesta sekä poliklinikka- että osastopotilaita, joita tarvitaan 40-50. Tutkimusnäytteet otetaan siteiden vaihdon yhteydessä havaitusta infektiosta, kun potilas on antanut siihen suostumuksensa. Lisäksi potilaalta otetaan vertailunäyte terveestä kudoksesta”, Kankuri kertoo.

Märkivästä haavasta eristetyssä näytteessä on sekaisin ihmisen ja bakteerien dna:ta ja rna:ta, mitkä on pystyttävä erottelemaan toisistaan, jotta näytteestä saadaan suurin mahdollinen hyöty irti. Oman haasteensa tuo, että keruun ja näytteiden prosessoinnin pitää olla automatisoitavissa osaksi diagnoosiprosessia.

”Teemme tutkimusyhteistyötä myös kansainvälisesti. Kumppanimme on muun muassa plastiikkakirurgi Gunnar Kratz Linköpingin yliopistosta.”

Diagnoosiin vuorokaudessa

Valmis näyte sekvensoidaan ja saatu data analysoidaan. Liisa Holm kertoo, että nykyisten sekvensointipohjaisten laskennallisten menetelmien ongelma on epätarkkuus. Ne pysyvät kertomaan, mihin lajiin tai sukuun näytteissä esiintyvät bakteerit kuuluvat, mutta se ei aina riitä parhaimman mahdollisen hoidon määräämiseen.

”Jotta voidaan määrätä lääke, tarvitaan tarkka bakteerikartta, eli tieto koko bakteeristosta ja niiden ilmentymistuotteista. Olemme luomassa täysin uudenlaista sekvensointiprotokollaa ja data-analyysimenetelmää, jonka avulla tämä onnistuu ennätysajassa. Tarvittavat ohjelmat ovat valmiina. Sovellamme tutkimusryhmäni kehittämiä erittäin nopeita tietokantavertailumenetelmiä. Odotamme myös lisää potilastietoja, jotta voimme opettaa tekoälyä määräämään antibiootteja”, Holm valaisee.

Tavoite on, että näytteenotosta valmiiseen bakteerikarttaan ja tekoälyn antamaan lääkeraporttiin kuluu vuorokausi.

”Nykyisillä data-analyysimenetelmillä bakteerin tunnistamiseen sekvensointidatasta voi mennä jopa viikkoja, joten tavoittelemme huimaa parannusta.”

Bakteerikarttaan perustuva diagnosointimenetelmä tulee olemaan aluksi kallis. Jotta se voisi yleistyä päivittäiskäytössä terveydenhuollossa, myös sekvensointilaitteiden on kehityttävä nopeammiksi ja sekvensointikustannusten laskettava tuntuvasti.

Bugsy-projektissa ei kehitetä uusia laitteita, mutta Holm ei pidä tätä ongelmana.

”Uskomme, että laitetoimittajat vastaavat haasteeseen, sillä laitekehitys on ollut nopeaa. Tämähän on vasta alkua. Sekvensointitekniikka yleistyy lääketieteessä ja mullistaa laajasti hoito- ja diagnosointikäytäntöjä.”

Bugsy-projektissa on mukana iso joukko tutkijoita Helsingin yliopistosta. Yhteiskuvaan asettautuivat Esko Kankuri (ylhäällä vas.) farmakologian osastolta, Matti Kankainen Molekyylilääketieteen instituutista, tutkija Teija Ojala biolääketieteen laitokselta, sekä tutkimusteknikko Lahja Eurajoki (oik.) farmakologian osastolta.

Teksti: Ulla Willberg
Kuva: Samineh Barmaki