Tarkempi ennustemalli vakaviin aivovammoihin

Helsingin yliopistollisen sairaalan neurokirurgian yksikössä kehitetty pisteytysjärjestelmä ennakoi vaikeista aivovammoista kärsivien potilaiden toipumista paremmin kuin ennestään käytössä olevat mallit. Ennustemallien avulla voidaan parantaa aivovammapotilaiden hoitotuloksia ja hoidon kustannustehokkuutta.

Helsingin yliopistollisen keskussairaalan ja Tukholman Karoliinisen sairaalan yhteinen tutkimus osoitti, että Helsingissä kehitetty ”Helsinki CT score” -ennustemalli ennakoi vaikeista aivovammoista kärsivien potilaiden toipumista paremmin kuin ennestään käytössä oleviin luokituksiin perustuvat mallit. Tutkijat uskovat, että ennustemallien avulla voidaan parantaa aivovammapotilaiden hoitotuloksia ja hoidon kustannustehokkuutta.

Vaikea aivovamma (TBI, traumatic brain injury) on maailmanlaajuisesti yleinen kuolinsyy ja myös yleinen syy pysyvään vammautumiseen. Aivovamma syntyy yleensä yllättävässä tilanteessa, tapaturman tai väkivallan seurauksena. Vanhemmilla ihmisillä yksi merkittävä aivovammojen syntyyn vaikuttava tekijä on veren hyytymiseen vaikuttava lääkitys.

Aivovamman diagnostiikassa käytetään tietokonetomografiakuvausta (TT), joka osoittaa, onko kallon sisällä kirurgisesti hoidettavia verenvuotoja. Menetelmällä aivoista saadaan suuri määrä ohuita leikekuvia, jotka sisältävät runsaasti informaatiota. Näiden kuvien tulkitseminen on haastavaa, varsinkin kun yleensä löydetään useita erilaisia päänsisäisiä verenvuotoja. Kuvien tulkintaa varten on sen vuoksi kehitetty erilaisia luokituksia, jonka avulla löydökset ovat helpompi ryhmitellä ja tulkita. Yleisiä käytössä olevia luokituksia ovat muun muassa ”Rotterdam CT score” ja ”Marshall CT classification”.

– Käytössä olevat luokitukset perustuvat melko vanhoihin potilasmateriaaleihin ja ovat osoittautuneet epätarkoiksi. Tämän vuoksi ryhdyimme muutama vuosi sitten kehittämään omaa Helsinki CT score -luokitusta, ja myös Tukholman Karoliinisen sairaalan neurokirurgian yksikkö kehitti oman luokituksensa (Stockholm CT score), kertoo dosentti Rahul Raj Helsingin yliopistollisen sairaalan neurokirurgian yksiköstä.

Uusien luokitusten toimivuuden selvittämiseksi Helsingin yliopistollisen sairaalan ja Karoliinisen sairaalan tutkijat käynnistivät yhteistutkimuksen: he analysoivat yli 1 000 potilasta, joita oli hoidettu vaikean aivovamman takia joko Helsingin yliopistollisen sairaalan tai Karoliinisen sairaalan neurokirurgisessa yksikössä.

– Helsinki CT score ja Stocholm CT score osoittautuivat merkittävästi paremmaksi kuin vanhat luokitussysteemit – niiden avulla saatiin enemmän informaatiota vammasta ja tarkempi ennuste toipumisesta, Raj kertoo.

Tutkimus on julkaistu PLoS Medicine -tiedelehdessä.

– Tulokset puoltavat vahvasti Helsingin ja Tukholman mallien käyttämistä vanhempien luokitusjärjestelmien sijasta. Olisi kuitenkin hyvä tarkastella uusien mallien toimivuutta vielä monikeskustutkimuksena, tutkijat toteavat. Tulevaisuudessa tavoite on yhdistää Helsinki CT score ja Stockholm CT score yhteen malliin, jotta ennustemallien tarkkuutta voitaisi vielä parantaa.

– Tarkat ennustemallit ovat tärkeitä aivovammapotilaiden hoidossa; ne eivät yksinään ohjaa potilaiden hoitoa, mutta yhdistämällä niistä saatua informaatiota ja kliinistä tietoa pystytään aivovammapotilaiden hoitoa ja resurssien käyttöä ohjaamaan paremmin, toteaa HYKS:n neurokirurgian tehovalvonta-osaston ylilääkäri, dosentti Jari Siironen.

Lisätietoja:

Dosentti Rahul Raj, neurokirurgiaan erikoistuva lääkäri
HYKS, Neurokirurgia, Helsingin yliopisto
Sähköposti: rahul.raj@hus.fi

 

Viite: Thelin EP, Nelson D, Vehviläinen J, Nyström H, Kivisaari R, Siironen J, Svensson M, Skrifvars MB, Bellander BM, Raj R: Evaluation of novel computerized tomography scoring systems in human traumatic brain injury: An observational, multicenter study. PLoS Medicine. 2017.

Linkki: http://journals.plos.org/plosmedicine/article?id=10.1371/journal.pmed.1002368 

Helsinki CT score, viite: https://academic.oup.com/neurosurgery/article-abstract/75/6/632/2599257/Predicting-Outcome-in-Traumatic-Brain?redirectedFrom=fulltext