Aivoillakin on sormenjälki – ja se voi auttaa dementiariskin paljastamisessa
Ihmisaivoissa on noin 86 miljardia hermosolua eli neuronia, jotka käsittelevät ja välittävät tietoa sähköisten hermoimpulssien avulla.
Siksi paras tapa tutkia aivoja on usein mitata niiden sähköistä toimintaa, kertoo Hanna Renvall. Hän on Aalto-yliopiston ja HUSin translationaalisen aivokuvantamisen apulaisprofessori ja HUSin BioMag-laboratorion johtaja.
Aivosähkökäyrä eli EEG onkin maailman yleisin aivokuvantamismenetelmä. Renvallin suosikki on kuitenkin magnetoenkefalografia eli MEG, joka mittaa aivojen sähköisen toiminnan synnyttämiä magneettikenttiä.
Koska kallo ja muut kudokset eivät juuri vääristä magneettikenttiä, MEG-signaalien tulkinta on yksinkertaisempaa kuin EEG-signaalien. Juuri se tekee menetelmästä niin mainion, Renvall sanoo.
”Aktiivinen kohta pystytään MEG:llä paikantamaan paljon tarkemmin, jopa millimetrien tarkkuudella.”
MEG-laite näyttää kampaamon kupukuivaajalta. Mittauksia tekevät SQUID-anturit ovat piilossa kuvun sisällä tehokkaasti eristettyinä, sillä ne toimivat vain hyytävässä kylmyydessä, lähellä absoluuttista nollapistettä.
MEG-teknologian juuret ovat vahvasti Teknillisen korkeakoulun kylmälaboratoriossa, samoin johtavan laitevalmistajan. Suomi onkin alan tutkimuksen kärkimaita.
MEG on isossa roolissa myös Euroopan unionin uudessa AI Mind -hankkeessa, johon Suomesta osallistuvat Aalto ja HUS. Yhteensä 14 miljoonan euron hankkeen tavoitteena on oppia löytämään ajoissa ne potilaat, joiden dementian puhkeamista voidaan viivyttää tai jopa ehkäistä.
Siihen neurotiede ja -teknologia tarvitsevat tekoälyosaajien apua.
Aivojen sormenjälki
Dementia tarkoittaa laaja-alaista aivotoimintojen häiriötä, joka haittaa merkittävästi arjesta selviytymistä. Siitä kärsii Euroopassa noin 10 miljoonaa ihmistä, ja määrä kasvaa väestön ikääntyessä. Yleisin dementiaa aiheuttava sairaus on Alzheimerin tauti, joka todetaan 70–80 prosentilla dementiapotilaista.
Tutkijat uskovat, että jo paljon ennen dementian ensimmäisiä kliinisiä oireita neuronien välinen viestintä hermoverkoissa alkaa heiketä. Tämä voi näkyä myös MEG-käyrissä – jos tietää, mitä katsoa.
MEG on vahvimmillaan mittauksissa, joissa tutkitaan aivojen reagointia puheen ja kosketuksen kaltaisiin, tietyllä hetkellä tapahtuviin ja toistuviin ärsykkeisiin.
Lepomittausten tulkinta on paljon monimutkaisempaa.
Siksi AI Mind -hankkeessa tarvitaan aivojen sormenjäljeksi nimettyä työkalua. Se syntyi, kun Renvall ja professori Riitta Salmelin kollegoineen alkoivat selvittää, näkyykö ihmisen perimä MEG-mittauksissa. Tutkimukseen osallistui yli 100 sisarusparia. Koehenkilöt istuivat MEG-laitteessa pari minuuttia silmät kiinni ja pari minuuttia silmät auki. Lisäksi heiltä otettiin verikokeet, joista tehtiin yksinkertainen geenianalyysi.
Kun tutkijat vertailivat käyriä ja geenimarkkereita, he huomasivat, että vaikka yksilöiden välillä oli suurta vaihtelua, sisarusten käyrät muistuttivat toisiaan.
Seuraavaksi Aalto-yliopiston tekoälyprofessori Samuel Kaski testasi ryhmänsä kanssa, oppisiko tietokone löytämään käyristä ne kohdat, jotka olivat mahdollisimman samanlaisia sisarusten välillä ja mahdollisimman erilaisia muihin koehenkilöihin verrattuna.
Kone teki sen – ja yllättäen muutakin.
”Se oppi erottamaan yksilön täydellisesti pelkkien käyrien perusteella riippumatta siitä, oliko kuvantaminen tehty koehenkilön ollessa silmät kiinni vai auki”, Hanna Renvall kertoo.
”Meille ihmisille silmät kiinni tai auki otetut käppyrät ovat valtavan erilaiset, mutta kone näki niissä yksilölliset piirteet. Olemme tästä aivojen sormenjäljestä valtavan innoissamme ja mietimme nyt, miten koneen voisi opettaa tunnistamaan samalla lailla hermoverkkojen hajoamista.”
Riskiarvio viikossa
Suuri osa dementiapotilaista saa diagnoosin vasta, kun muistisairaus on edennyt jo pitkälle. Siksi hoidotkin keskittyvät myöhäisen vaiheen oireiden hallintaan.
Aiemmat tutkimukset ovat kuitenkin osoittaneet, että monella diagnoosin saaneella on jo vuosien ajan ollut kognitiivinen heikentymä eli ajattelun ja muistin häiriöitä.
AI Mind -hankkeen tavoite on oppia löytämään lievästä kognitiivisesta heikentymisestä kärsivien joukosta ne ihmiset, joilla on merkittävästi kohonnut riski saada muistisairaus seuraavien vuosien aikana.
Tutkijat aikovat kuvantaa ympäri Eurooppaa 1 000 ihmistä, joilla on epäily kehittyvästä muistisairaudesta ja selvittää, miten heidän aivosignaalinsa eroavat ihmisistä, joilla kognitiivista heikentymää ei ole. Tekoäly yhdistää aivokuvantamisella saadun datan esimerkiksi kognitiivisten testien tuloksiin ja geneettisiin biomarkkereihin.
Tutkijat uskovat, että näin arvio kohonneesta dementiariskistä voidaan saada jopa viikossa.
”Jos ihminen saa tietää ajoissa sairastumisriskistään, sillä voisi olla dramaattinen vaikutus motivoinnin kannalta”, vuosia potilastyötä neurologina tehnyt Renvall sanoo.
Muistisairauden etenemistä voidaan jarruttaa merkittävästi elintapamuutoksilla, kuten terveellisellä ruokavaliolla, liikunnalla, sydän- ja verisuonitautien hyvällä hoidolla ja kognitiivisella kuntoutuksella.
”Riskitekijöiden superhyvä hallinta toisi monia hyviä vuosia, millä on iso merkitys sekä yksilölle, lähipiirille että koko yhteiskunnalle”, Renvall sanoo.
Sairastumisriskin tunnistaminen on tärkeää myös, kun ensimmäiset tautia hidastavat lääkkeet saadaan markkinoille, ehkä jo lähivuosina. Renvallin mukaan hetki on mullistava, sillä 20 vuoteen muistisairauksien lääkehoidossa ei ole tapahtunut merkittävää edistystä.
Kaikille uudet lääkkeet eivät kuitenkaan sovi.
”Lääkkeet ovat aika rajuja, samoin niiden sivuvaikutukset. Siksi meidän pitää löytää ihmiset, joille lääkkeistä on eniten hyötyä”, Renvall korostaa.
Sähköä aivoihin
Aivojen toiminnasta syntyy siis sähkövirtoja, jotka synnyttävät magneettikenttiä, joita voidaan mitata kallon ulkopuolelta.
Prosessi toimii myös toiseen suuntaan.
Juuri tähän perustuu kallon läpi annettava magneettistimulaatio TMS. Siinä pään päälle asetettava kela tuottaa kallon pinnalle voimakkaan magneettikentän, joka ulottuu vaimentumatta ihon ja kallon läpi aivoihin. Aivoissa magneettikenttäpulssi synnyttää lyhytkestoisen heikon sähkökentän, joka vaikuttaa neuronien toimintaan.
Kuulostaa hurjalta, mutta on täysin turvallista, vakuuttaa TMS:ää vuosikymmeniä käyttänyt ja kehittänyt teknillisen fysiikan professori Risto Ilmoniemi.
”Soluihin vaikuttavien sähkökenttien voimakkuus on samaa suuruusluokkaa kuin aivojen omatkin sähkökentät. Potilas tuntee pulsseina annettavan stimulaation kevyinä napautuksina ihollaan.”
Magneettistimulaatiolla hoidetaan etenkin vaikeaa masennusta ja neuropaattista kipua eli hermovauriokipua. Vaikeaa masennusta sairastaa maailmassa ainakin 200 miljoonaa ihmistä. Neuropaattista kipua esiintyy yleisesti esimerkiksi selkäydinvammapotilailla, diabeetikoilla ja MS-tautia sairastavilla. Vain puolet masennuspotilaista saa riittävän avun lääkehoidosta; neuropaattisesta kivusta kärsivistä ainoastaan 30 prosenttia.
Pulssien toistotaajuus valitaan hoidettavan sairauden mukaan. Depression hoidossa neuronien välistä viestintää aktivoidaan tiheillä pulssisarjoilla, kun taas kipupotilaan neuroneita rauhoitetaan harvakseltaan annetuilla pulsseilla.
Stimulaatiokohta perustuu lääketieteen käsitykseen siitä, missä kyseiseen sairauteen vaikuttavat neuronit sijaitsevat.
Noin puolet potilaista saa magneettistimulaatiosta merkittävää apua. Risto Ilmoniemi uskoo, että osuus voisi olla paljon suurempi.
Siihen tarvitaan enemmän keloja ja algoritmien apua.
Pimputuksesta konserttiin
Vuonna 2018 Ilmoniemen vetämä ConnectToBrain-tutkimushanke sai EU:lta 10 miljoonan euron Synergy-rahoituksen. Kyseessä on ensimmäinen kerta, kun rahoitus myönnettiin suomalaisyliopiston johtamalle hankkeelle. Mukana on alan huippuja myös Saksasta ja Italiasta.
Hankkeen tavoite on parantaa magneettistimulaatiota radikaalisti kahdella tavalla: rakentamalla jopa 50 kelan magneettistimulaatiolaite ja kehittämällä algoritmeja, jotka ohjaavat stimulaatiota automaattisesti reaaliajassa EEG:n antaman palautteen perusteella.
Ilmoniemi löytää vertauksen musiikkimaailmasta.
”Uuden ja vanhan teknologian eroa voi verrata siihen, että konserttipianisti soittaa kaksikätisesti hienosäätäen koko ajan sointiaan kuulemansa mukaan sen sijaan, että pimputtaisi vain samaa kosketinta kuulosuojaimet korvilla.”
Tutkijat ovat jo osoittaneet kaksikelaisella laitteella, että algoritmi löytää oikean stimulaatiosuunnan kymmenen kertaa nopeammin kuin kokeneinkin asiantuntija. Tämä on vasta alkua.
Viime vuonna valmistunut 5-kelainen laite kattaa 10 neliösenttimetrin kokoisen alueen kerrallaan. 50-kelainen kattaisi molemmat aivopuoliskot.
Rakentamisessa on monia teknisiä haasteita. Miten kelat mahdutetaan pään ympärille? Miten pulssien vaatima energiamäärä tuotetaan turvallisesti?
Kun ne on ratkaistu, edessä on vaikein kysymys: miten aivoja hoidetaan parhaalla mahdollisella tavalla?
”Mitä tietoja algoritmi tarvitsee? Millä datalla sitä opetetaan? Se on valtava haaste meille ja yhteistyökumppaneillemme”, Ilmoniemi pohtii.
Hankkeessa on tarkoitus rakentaa yksi magneettistimulaatiolaite Aaltoon, toinen Saksan Tübingenin yliopistoon ja kolmas Italian Chieti-Pescaran yliopistoon. Tutkijat ja rahoittajat toivovat, että jatkossa niitä on satoja tai tuhansia ympäri maailmaa.
”Mitä enemmän potilasdataa kertyy, sitä paremmin algoritmit oppivat ja sitä paremmiksi hoidot tulevat.”
Hanna RenvallKone oppi erottamaan yksilön täydellisesti pelkkien käyrien perusteella.
Kvanttioptiikka-anturit voivat mullistaa aivosignaalien lukemisen
Professori Lauri Parkkosen työryhmä kehittää uudenlaista, päähän mukautuvaa MEG-laitetta, jossa käytetään kvanttioptiikkaan perustuvia antureita. Toisin kuin nykyisin käytössä olevat SQUID-anturit, ne eivät vaadi ympärilleen paksua eristystä. Siksi mittaukset voidaan tehdä lähempänä kallon pintaa, mikä helpottaa tarkkojen mittausten tekemistä erityisesti vauvoilla ja lapsilla.
Työ on edennyt ripeästi ja lupaavin tuloksin: optisilla antureilla tehdyt mittaukset lähenevät jo tarkkuudeltaan kallon sisäpuolelta tehtäviä mittauksia.
Parkkonen uskoo, että optisiin antureihin perustuva MEG voi olla myös perinteistä laitetta hieman edullisempi ja helpommin sijoitettava, koska se ei vaadi ympärilleen yhtä suurikokoista magneettikentiltä suojattua tilaa.
”Niin se olisi useampien tutkijoiden ja sairaaloiden ulottuvissa.”
Artikkeli on julkaistu Aalto University Magazinen numerossa 30 (issuu.com), huhtikuussa 2022.
- Julkaistu:
- Päivitetty:
Lue lisää uutisia
Millainen luonto elvyttää? Aalto-yliopiston tutkijat avaavat erilaisten viherympäristöjen elvyttävyyden näkyviä ja näkymättömiä piirteitä
Lähellä oleva luonto tekee hyvää – mutta miksi ja miten?
Tekoälyllä tuotetieto talotekniikan menestystekijäksi
Ympäristöraportointi, digitaaliset kaksoset ja tuottavuuden tuntuva nosto eivät onnistu ilman nykyistä parempaa tiedonhallintaa. Talotekniikka 2030 -tutkimusraportti ruotii nykytilanteen haasteita ja esittää ratkaisuja ja case-esimerkkejä, jotka pohjautuvat uusimman tekoälyteknologian hyödyntämiseen.
Yhä harvempi yliopisto-opiskelija jää kotiseudulleen Suomen suurimmissa kaupungeissa – uusi selvitys näyttää kaupunkikohtaiset erot
Aalto-yliopiston kaupunkitaloustieteen tutkimusryhmä AlueAvain on tarkastellut Tilastokeskuksen yksilötason rekisteriaineistojen avulla yliopisto-opiskelijoiden muuttoliikkeitä Suomen suurimmissa kaupungeissa viimeisten 20 vuoden aikana. Tarkastelussa vertailtiin erikseen pääkaupunkiseudun kuntia sekä Tamperetta, Turkua ja Oulua.