« Takaisin

Taysissa kehitetty epilepsiahoidon seurantatyökalu USA:n markkinoille

Pirkanmaan sairaanhoitopiiri. 31.01.2020

Taysissa kehitetty epilepsiahoidon seurantatyökalu USA:n markkinoille Neuro Event Labsin ja Tampereen yliopistollisen sairaalan yhdessä kehittämä tekoälyavusteinen epilepsiahoidon seurantatyökalu Nelli mahdollistaa hoidon parantamisen tuhansilla potilailla, jotka kärsivät epilepsiasta ja muista neurologisista sairauksista. Järjestelmä tunnistaa ja seuraa epilepsiaa sairastavan henkilön yöaikaisia kohtauksia ja vähentää kalliiden video-EEG -seurantojen tarvetta. Sillä voidaan tukea potilaan kotona asumista ja työssäkäyntiä.

Tamperelainen terveysteknologiayhtiö Neuro Event Labs Oy on nyt solminut seurantatyökalusta strategisen yhteistyön Yhdysvalloissa Jefferson Health -sairaalaliittymän kanssa. Yhteistyön tarkoituksena on saavuttaa hyötyjä kliinisessä hoidossa sekä kustannustehokkuudessa käyttämällä Taysin kanssa kehitettyä Nelli-seurantajärjestelmää osana amerikkalaispotilaiden epilepsian hoitopolkua.

Neuro Event Labs tuottaa analytiikkaa käyttäen kehittämäänsä kliinistä tekoälyteknologiaa, joka on integroitu osaksi Jefferson Healthin kliinistä hoitopolkua epilepsiassa. Evaluoinnin jälkeen seurantatyökalu integroidaan osaksi kaikkien Jefferson Health – sairaaloiden päivittäistä epilepsiahoitoa.

– Nelli on kehitetty yhdessä Tampereen yliopistollisen sairaalan kanssa ja todettu vaikuttavaksi ja kustannustehokkaaksi useissa eurooppalaisissa yliopistosairaaloissa. On erityisen hienoa päästä työskentelemään yhden Yhdysvaltojen nopeimmin kasvavan ja innovatiivisen terveydenhoidon tuottajan kanssa ja ottaa Nelli käyttöön tällä merkittävällä markkina-alueella, toteaa toimitusjohtaja Kaapo Annala Neuro Event Labsilta.

Epilepsiapotilaan yöaikaisten kohtausten tunnistaminen ja seuranta on vaikeaa, sillä nukkuva ihminen itse ei yleensä joko huomaa tai muista kohtauksia. Kohtauksiin ei välttämättä herää edes samassa huoneessa nukkuva läheinen. Tampereella kehitetty valvontalaite seuraa tutkittavan yöaikaista toimintaa ja oppii tunnistamaan henkilön tavallista ja poikkeavaa liikehdintää.

Käytännössä laite asennetaan tutkittavan sängyn viereen. Siinä on 2,4 miljoonan pixelin videokamera ja syvyyssensoriin perustuva järjestelmä, joka seuraa esimerkiksi potilaan hengitystä ja liikkeitä. Tunnistus kehittyy laskennallisen algoritmin mukaan. Järjestelmän saa kytkettyä tarvittaessa myös pois päältä.

– Tämä tuo isoja hyötyjä työkykyyn ja asumisratkaisuihin sekä potilaille että läheisille. Kun koneoppiminen mahdollistaa hälyttämisen vakavissa tilanteissa, läheinenkin nukkuu paremmin, sanoo kehitystyössä mukana ollut neurologian ylilääkäri Jukka Peltola Taysista.

« Takaisin