Uusi menetelmä paljastaa diabeteksen aiheuttamat ihokomplikaatiot
![New method reveals the skin complications of diabetes](https://media-cdn.oulu.fi/styles/main_image/s3/images/Foot%20measurements%202.jpg?itok=Etekkzew)
Monitieteellisen ryhmän tutkimus julkaistiin hiljattain IEEE Transactions on Medical Imaging -julkaisusarjassa nimellä ”Skin complications of diabetes mellitus revealed by polarized hyperspectral imaging and machine learning” (Polarisoidun hyperspektrikuvantamisen ja tekoälyn paljastamat diabetes mellituksen aiheuttamat ihokomplikaatiot).
”Tutkimustyön yhteydessä suoritimme kliinisen validoinnin optiselle laitteellemme ja Suomen Akatemian projektin puitteissa kehittämällemme menetelmälle. Menetelmä mahdollistaa diabeteksen aiheuttamien mahdollisten ihokomplikaatioiden kontaktittoman havaitsemisen varhaisessa vaiheessa ja sen myötä laajan väestöseulonnan”, sanoo Oulun yliopiston dosentti Alexander Bykov, joka kertoo tutkimuksesta tarkemmin alla olevissa vastauksissaan.
Mikä on tutkimuksen keskeinen tulos?
Olemme kehittäneet ja suorittaneet kliinisen testin kompaktille, kannettavalle optiselle laitteelle, joka on suunniteltu ihmisihon kontaktittomaan toiminnalliseen kuvaamiseen. Laitteella voidaan etämitata veren happitasoja ja veren koostumusta sekä arvioida ihon kollageenirakenteen muutoksia. Tämä on mahdollista yhdistämällä hyperspektrikuvantaminen ja polarisaatiokartoitustekniikat sekä täydentämällä niitä neuroverkkoihin perustuvilla kehittyneillä signaalinkäsittelyn algoritmeilla.
Hyperspektrikuvantaminen on tekniikka, joka yhdistää perinteisen kuvantamisen ja spektroskopian. Tämä alun perin monimutkaisia satelliitti- ja ilma-alusjärjestelmiä varten kehitetty teknologia on kehittynyt kompaktiksi kuvantamisvälineeksi, jota voidaan käyttää muun muassa lääketieteellisissä ja teollisissa sovelluksissa. Saatu 3D-kuva koostuu noin sadasta tai useammasta spektrikaistasta jokaista kohteesta mitattua pikseliä kohden. Nämä tarkat tiedot mahdollistavat minkä tahansa kohteen tai ympäristön yksityiskohtaisen analysoinnin. Optisen polarisaatiokartoituksen avulla taas on mahdollista etäarvioida kohteen sisällä tapahtuvia rakenteellisia muutoksia, joita ei voi havaita tavanomaisella hyperspektrikuvantamisella. Neuroverkkoalgoritmien toteutus mahdollistaa lähes reaaliaikaisen kuvankäsittelyn, joka perustuu kehittyneisiin numeerisiin malleihin, kuten esimerkiksi tutkimuksessa käyttämämme seitsenkerroksinen ihomalli.
Kehittämäämme järjestelmää on käytetty diabeetikoiden ihon mikroverenkierron ja rakenteen varhaisten muutosten havaitsemiseen. Potilaiden jalkapöytien iho kuvattiin. Diabeetikoilla havaittiin kohonnutta ihon veripitoisuutta ja samalla laskenutta happipitoisuutta verrattuna terveiden vapaaehtoisten vertailuryhmään. Lisäksi diabeetikkoryhmällä oli kasvanut polarisaatioindeksi, jonka katsotaan johtuvan ihon kollageenirakenteen muutoksista. Näin ollen sekä toteutettavuustutkimusten tulokset että diabeetikoille ja terveille vapaaehtoisille tehdyt varsinaiset testit osoittavat selvästi, että kehitetyllä menettelyllä voidaan erottaa diabeetikot vertailuryhmästä.
Kliiniset testit 20 diabeetikolle ja 20 terveelle vapaaehtoiselle tehtiin yhteistyössä Latvian yliopiston kanssa.
Miksi tämä tulos on merkittävä ja kiinnostava?
Diabeteksen aiheuttamien ihohäiriöiden havaitseminen varhaisessa vaiheessa on ratkaisevan tärkeää. Diabeetikoiden korkea verensokeri aiheuttaa vaurioita moniin kehon osiin, kuten silmiin, munuaisiin, sääriin ja jalkoihin. Diabeteksen aiheuttamat metaboliset muutokset johtavat suurten valtimoiden tukkeutumiseen, mutta vaurioittavat myös alaraajojen pienten verisuonten verenkiertoa. Nämä muutokset aiheuttavat komplikaatioita, joista merkittävin on diabeettinen jalkahaava. Sitä esiintyy 2–6 prosentilla tyypin 1 ja 2 diabeetikoista heidän elinaikanaan. Jos diabeettiset jalkahaavat jätetään hoitamatta, ne voivat tulehtua ja kehittyä syväksi kudosnekroosiksi, joka voi vaatia amputaation. Raajan menetys amputaation seurauksena on todennäköisesti vakavin diabeteksen aiheuttama komplikaatio, joka heikentää potilaan elämänlaatua huomattavasti. Amputaation taloudellisetkin kustannukset ovat suuret. Väestön ikääntyessä riskiryhmään kuuluvien potilaiden määrä tulee kasvamaan tulevalla vuosikymmenellä.
Ihomuutoksia löydetään tunnetusti jo ensimmäisinä vuosina diabeteksen puhkeamisen jälkeen ja jopa esidiabetesvaiheessa kauan ennen kliinisten oireiden ja komplikaatioiden ilmaantumista. Niiden varhainen havaitseminen ja asianmukainen hoito mahdollistavat niiden pysäyttämisen varhaisessa esikliinisessä vaiheessa säästäen terveyttä, ihmishenkiä ja rahaa.
Keitä tutkimuksen aihe ja tulokset koskettavat? Missä ja kenelle tuloksista voi olla hyötyä?
Järjestelmällämme pystyy mahdollisesti seuraamaan haavojen parantumista ja hoitoprosesseja esimerkiksi diabeettisissa jalkahaavoissa, ihon palovammoissa ja leikkauksen jälkeisissä komplikaatioissa, joihin liittyy kudoksen riittämätön hapettuminen.
Tässä tutkimuksessa keskityttiin diabeetikoihin. Yhtenä diabeetikkojen ihokomplikaatioiden diagnosointiin nykyisin käytettävien menetelmien tavallisena heikkoutena on niiden kyvyttömyys arvioida kudosten aineenvaihduntaa kontaktittomalla tavalla sekä määrittää sellaisten ihoalueiden sijainti, jotka todennäköisesti ovat alttiita haavaumien kehittymiselle.
Yksi tapa parantaa diagnoosien laatua on käyttää hyperspektrisiä ja polarisaatioherkkiä optisia menetelmiä. Näiden menetelmien etuina ovat korkea resoluutio ja edulliset kustannukset. Näillä optisilla kuvantamismenetelmillä saatujen tietojen avulla voidaan tunnistaa potilaat, joilla on suurentunut diabeettisen jalkaoireyhtymän riski, ja arvioida ne alaraajojen alueet, joilla haavaumien kehittyminen on todennäköisintä.
Tulisiko tulosten perusteella muuttaa nykykäytäntöjä (esimerkiksi terveydenhuollossa)?
Emme näe tarvetta suureen muutokseen nykykäytännöissä. Ehdottamamme tekniikka voi kuitenkin auttaa lääkäreitä olemaan objektiivisempia diagnooseja ja päätöksiä tehdessään. Tulevaisuudessa tekniikkaa voidaan soveltaa potilaiden omaseurantaan, mikä sopii yksilöidyn terveydenhuollon strategiaan.
Minkälaista tieteellistä merkitystä tuloksilla on?
Tietojemme mukaan tämä tutkimus on ensimmäinen, joka soveltaa hyperspektrisesti eroteltua polarisaatioindeksiä diabeetikon ihon tutkimukseen ja Monte Carlo -menetelmällä koulutettuja keinotekoisia neuroverkkoja hyperspektrisen mittausdatan käsittelyyn. Ehdotetut diagnostiset parametrit voisivat toimia diabeteksen aiheuttamien komplikaatioiden biomarkkereina. Niitä voidaan käyttää myös arvioimaan hoitotoimenpiteitä, joilla pyritään ehkäisemään tai pysäyttämään diabeteksen aiheuttamia komplikaatioita. Tuloksemme voivat edistää hyperspektrikuvantamisen biolääketieteellisten sovellusten kehittämistä ja antaa uuden suunnan ikääntymiseen liittyvien sairauksien tutkimukselle.
Millaisia suunnitelmia ryhmässänne on jatkotutkimukselle?
Olisi kiinnostavaa testata kehitettyä järjestelmää ja tietojenkäsittelymenetelmää myös muissa edellä mainituissa kliinisissä sovelluksissa. Tulevaisuudessa suunnittelemme fluoresenssikartoituksen ja hyperspektrikuvantamisen yhdistämistä ihon metaboliseen kuvaukseen, joka tarjoaa myös merkittävät mahdollisuudet.
Optoelektroniikan ja mittaustekniikan yksikön monialainen biofotoniikkaryhmämme kehittää fotoniikkatyökaluja ja menetelmiä, joita voidaan käyttää biologisten kudosten, elinten tai solujen kartoitukseen. Hyperspektrikuvantaminen on yksi niistä tekniikoista, joita pidämme lupaavina tiedon nopeaan siirtoon laboratorioista sairaaloihin ja klinikoille seuraavan vuosikymmenen aikana. Aiheeseen liittyvä tutkimus on aloitettu ryhmässämme kuusi vuotta sitten ja sitä on tuettu useilla apurahoilla muun muassa Suomen Akatemian merkittävällä rahoituksella. Huomionarvoista on myös se, että Oulun kaupunki tunnetaan maailmanlaajuisesti useiden tässäkin tutkimuksessa käytettyjen huipputason hyperspektrilaitteita valmistavien yritysten kotipaikkana.
”Yritysyhteistyöstä kiitämme SPECIM:n Timo Hyväristä ja Katja Lefevreä. He toimittivat käyttöömme laitteistonsa ja antoivat meille tutkimukseen liittyviä rakentavia ja kriittisiä kommentteja”, yliopistotutkija ja dosentti Alexander Bykov päättää.
Lue lisää tutkimuksesta ja sen tekijöistä täältä:
https://ieeexplore.ieee.org/document/9316275/authors#authors