Sensoriteknologia raskausajan hyvinvoinnin tukena

Kirjoittajat: Jenny Kokkonen, Heli Mäntynen, Heli Pietilä, Anne Ruohola, Elina Tuovinen, Hannele Tiittanen & Tuija Rinkinen

Ihmisen hyvinvointia voidaan lisätä tehokkaalla datan hyödyntämisellä ja terveys ja hyvinvointitietoja yhdistelemällä. Datan hyödyntämisen esteenä ovat pitkään olleet eri järjestelmissä hajallaan olevat tiedot, mutta tietojen yhdistäminen lisää tiedon arvoa. Tulevaisuudessa hyvinvointitietoa ja tekoälyä hyödyntämällä voidaan päästä tarkempaan diagnostiikkaan. (Parikka ym. 2020, 9, 10, 25.) Puettavat anturit ja älykäs teknologia voivat olla erityisen hyödyllisiä raskausajan terveydentilan muutosten etäseurannassa. Nopea laitteiden tekninen kehitys parantaa raskauskomplikaatioiden varhaisen havaitsemisen mahdollisuuksia. (Gulzar 2022; Runkle ym. 2019, 2.) Tutkimuksissa on havaittu, että kotona itse tehdyt verenpainemittaukset ovat tuloksiltaan luotettavampia kuin ammattilaisen vastaanotolla tekemät kertamittaukset (Bliziotis ym. 2012, 1289.) Odottavat äidit suhtautuvat myönteisesti erilaisiin etäseurannan ratkaisuihin ja ovat valmiita muokkaamaan terveystottumuksiaan datan perusteella. Etäseuranta tarjoaa kustannustehokkaan tavan seurata odottavien äitien hyvinvointia ja mahdollistaa tiiviimmän raskauden seurannan, myös siellä missä välimatkat ovat pitkät. (Li ym. 2021, 11; Alqudah ym. 2019, 5; Runkle ym 2019, 2.) Erityisesti odottajat toivovat automaattista tiedonkeruuta ilman manuaalista tietojen syöttämistä, ja että terveydenhuollon ammattilaiset pääsevät näkemään kerätyt tiedot (Li ym. 2021, 7).

Tämän artikkelin tarkoituksena on kuvata, millaisia mahdollisuuksia sensoriteknologia tarjoaa raskasajan tueksi. Artikkelin lähtökohtana on LAB-ammattikorkeakoulun YAMK-opiskelijoiden Hyvinvointiteknologia ja innovaatiot -opintojakson kehittämistehtävä.

Sensoriteknologia raskausajan komplikaatioiden tunnistamisessa

Raskausdiabetes on raskauden aikana ensimmäisen kerran todettu poikkeava glukoosiaineenvaihdunta (Käypä hoito -suositus 2022; Leinonen & Teramo 1999). Suomessa todettiin poikkeavia glukoosirasitusarvoja 20,6 %:lla synnyttäjistä vuonna 2019. Avainasemassa raskausdiabeteksen hoidossa ovat ravitsemussuositusten mukainen ravitsemus, riittävä liikunta ja verenglukoosin omaseuranta. Raskausdiabetesta sairastavilla raskaushypertension ja pre-eklampsian vaara on suurempi kuin terveillä synnyttäjillä. (Käypä hoito -suositus 2022.)

Pre-eklampsia on raskausviikon 20+0 jälkeen esiintyvä verenpaineen nousu ja proteinuria eli valkuaisvirtsaisuus. Siihen sairastuu 2-3% synnyttäjistä. Se on yleisimpiä synnyttäjien ja vastasyntyneiden sairastumisen ja kuoleman syitä. Muita oireita voivat olla esimerkiksi kreatiniinipitoisuuden suureneminen tai kasvojen ja ylävartalon turvotus. Koska valtaosaa pre-eklampsiatapauksista ei voida tunnistaa riskiarvioinnin perusteella, äitiysneuvolassa seurataan kaikilta odottajilta verenpainetta sekä proteinurian ja muiden oireiden mahdollista ilmaantumista. (Laivuori ym. 2022, 103-104.)

Sensoriteknologian ratkaisuja voidaan hyödyntää pre-eklampsian ja raskausdiabeteksen havaitsemisessa ja seurannassa (Gulzar 2022; Li ym. 2021, 11; Ryu ym. 2021; Veena & Aravindhar 2021). Esimerkiksi virtsan proteiinipitoisuuksia voidaan seurata kotona sensorein (Mukhin ym. 2021), ja kehon glukoositasojen seurantaan on kehitetty non-invasiivisiä sensorimenetelmiä (Hina & Saadeh, 2022; Li ym. 2022; Veena & Aravindhar 2021). Erilaiset sensorit odottajan iholla voivat auttaa odottajan sykkeen, verenpaineen ja hengityksen sekä sikiön sykkeen seurannassa (Ryu ym. 2021), ja Souza ym. (2019) tuovat esiin odottajan aktiviteetin ja unen seurannan mahdollisuudet esimerkiksi raskausdiabeteksen seurannassa ja masennusoireiden tunnistamisessa.

Teknologian tutkimuskeskus VTT:ssä kehitetään älykästä data-analytiikkaa, jossa huomaamattomasti kerätty data voi toimia osana omahoitoa tai apuna oikean hoitopolun suunnittelussa yksilöllisten tarpeiden mukaan (Partanen 2021). Lisäksi Helsingin ja Uudenmaan sairaanhoitopiiri on käynnistänyt CleverHealth Networkin kanssa yhteistyöprojektin liittyen raskausdiabeteksen hoitoon. Sovellus tallentaa reaaliaikaisesti pilvipalveluun asiakkaan ja ammattilaisten käyttöön odottajan dataa, kuten verensokerin, painon, sykkeen ja aktiivisuuden. Palvelu tarjoaa yksilöllistä, vaikuttavaa ja ennustettavampaa hoitoa raskausdiabeetikoille. (CleverHealth Network 2018.) Garai ym. (2017, 516) tutkimuksessa havaittiin, että pilvipalveluun yhdistetyn insuliinipumpun avulla voitiin tarjota yksilöllisempää hoitoa diabeetikoille ennen seuraavaa vastaanottokäyntiä.

Kehittyvä sensoriteknologia

Sensoritekniikan ja älyteknologian avulla voidaan jo varhaisessa vaiheessa havaita muutoksia asiakkaiden hyvinvoinnissa ja terveydentilassa, mikä mahdollistaa hoivan tarpeen ennakoimisen. Järjestelmän tekemät analyysit ovat ammattilaisten sekä asiakkaan hyödynnettävissä. (Vähäkainu & Neittaanmäki 2018.) Sensoreilla kerättyä dataa ja siitä johdettua tietoa on tulevaisuudessa mahdollista hyödyntää myös raskausajan etäseurannassa ja komplikaatioiden ennaltaehkäisemisessä. Sensoriteknologialla voidaan kerätä dataa virtsan proteiini- ja glukoosipitoisuuksista, verenpaineesta, hengityksestä, kohdun supistumisesta sekä odottajan ja sikiön sykkeestä. Lisäksi dataa voidaan kerätä odottajan aktiivisuudesta ja unesta. Odottaja pystyy itse seuraamaan vointiaan verkkopalvelusta ja jakamaan tietoa tarvittaessa terveydenhuollon henkilökunnan kanssa. Palvelun tuottama tieto voi mahdollistaa yksilöllisemmän ja vaikuttavamman hoidon sekä hyvinvoinnin tukemisen raskausaikana.

Raskausajan hyvinvoinnin tukeminen ja seuraaminen sensoriteknologialla kiinnostaa odottajia. Resurssivajeesta kärsivä terveydenhuolto etsii ratkaisuja, miten tehostaa hoitoa ja tehdä siitä vaikuttavampaa. Sensoriteknologia voisi olla kustannustehokas ja ekologinen ratkaisu, jolla voidaan tunnistaa komplikaatiot nopeasti varhaisessa vaiheessa, vähentää vastaanottokäyntejä ja kertakäyttöisten testausliuskojen käyttöä.  Lisäksi teknologian ja kertyvän datan avulla voidaan tarjota yksilöllisempää ja ennakoivampaa hoitoa odottajille ja lisätä odottajien mahdollisuutta vaikuttaa omaan hoitoonsa.

Lähteet

Alqudah, A., McMullan, P., Todd, A., O’Doherty, C., McVey, A., McConnell, M., O’Donoghue, J., Gallagher, J., Watson, C. J. & McClements, L. 2019. Service evaluation of diabetes management during pregnancy in a regional maternity hospital: potential scope for increased self-management and remote patient monitoring through mHealth solutions. BMC health services research. Vol. 19 (1). Viitattu 16.1.2023. Saatavissa https://doi.org/10.1186/s12913-019-4471-9

Bliziotis, I.A., Destounis, A. & Stergiou, G. S. 2012. Home versus ambulatory and office blood pressure in predicting target organ damage in hypertension: a systematic review and meta-analysis. Journal of Hypertension Vol. 30 (7), 1289-1299. Viitattu 9.1.2023. Saatavissa rajoitetusti https://doi.org/10.1097/HJH.0b013e3283531eaf

CleverHealth Network 2018. Raskausdiabeteksen hoitoon tekoälyä hyödyntävä sovellus. Viitattu 5.1.2023. Saatavissa https://www.cleverhealth.fi/fi/uutiset/raskausdiabeteksen-hoitoon-tekoalya-hyodyntava-sovellus-

Garai Á., Pentek I., Adamko A. & Nemeth A. 2017. A Clinical System Integration Methodology for Bio-Sensory Technology with Cloud Architecture. Acta Cybernetica. Vol. 23/2017, 513-536. Viitattu 5.1.2023. Saatavissa https://doi.org/10.14232/actacyb.23.2.2017.6

Gulzar Ahmad, S., Iqbal, T., Javaid, A., Ullah, E., Kirn, N., Ullah, J. S. & Ramzan, N. 2022. Sensing and Artificial Intelligent Maternal-Infant Health Care Systems: A Review. Sensors. Vol. 22 (12), 4362–. Viitattu 6.1.2023. Saatavissa https://doi.org/10.3390/s22124362

Hina, A. & Saadeh, W. 2022. Noninvasive Blood Glucose Monitoring Systems Using Near-Infrared Technology—A Review. Sensors. Vol. 22 (13). Viitattu 6.1.2023. Saatavissa https://doi.org/10.3390/s22134855

Käypä hoito -suositus. 2022. Raskausdiabetes. Suomalainen Lääkäriseura Duodecim, 2022 Viitattu 6.1.2023. Saatavissa https://www.kaypahoito.fi/hoi50068#K1

Laivuori, H., Tihtonen, K., Ekholm, E., Jääskeläinen, T., Kaataja, R., Kajantie, E., Keikkala, E., Niela-Vilen, H., Puhto, T., Räsänen, J., Standen, S., Tuunainen, A. & Villa, P. 2022. Raskaudenaikainen kohonnut verenpaine ja pre-eklampsia. Lääketieteellinen Aikakauskirja Duodecim Vol. 138 (1). Viitattu 9.1.2023. Saatavissa rajoitetusti https://www.duodecimlehti.fi/duo16622

Leinonen, P. & Teramo, K. 1999. Raskausdiabetes. Lääketieteellinen aikakauskirja Duodecim. Viitattu 6.1.2023. Saatavissa https://www.duodecimlehti.fi/duo91096#s1

Li, D., Shi, Y., Sun, Y., Wang, Z., Kehoe, D. K., Romeral, L., Gao, F., Yang, L., McCurtin, D., Yurii K. G., Lyons, M. E. G. & Xiao, L. 2022. Microbe-Based Sensor for Long-Term Detection of Urine Glucose. Sensors. Vol. 22 (14), 5340–. Viitattu 6.1.2023. Saatavissa https://doi.org/10.3390/s22145340

Li, J., Silvera-Tawil, D., Varnfield, M., Hussain, M. S. & Math, V. 2021. Users’ Perceptions Toward mHealth Technologies for Health and Well-being Monitoring in Pregnancy Care: Qualitative Interview Study. JMIR formative research. Vol. 5 (12). Viitattu 9.1.2023. Saatavissa https://doi.org/10.2196/28628

Mukhin, N., Konoplev, G., Oseev, A., Schmidt, M.-P., Stepanova, O., Kozyrev, A., Dmitriev, A. & Hirsch, S. 2021. Label-Free Protein Detection by Micro-Acoustic Biosensor Coupled with Electrical Field Sorting. Theoretical Study in Urine Models. Sensors. Vol. 21 (7), 2555. Viitattu 6.1.2023. Saatavissa https://doi.org/10.3390/s21072555

Parikka, H. (toim.), Sinipuro, J., Hämäläinen, H., Kalliola, M., Luoma-Kyyny, J. & Malkamäki, S. 2020. Huomisen hyvinvointia datasta Hyvinvointidata tutkimuksen, päätöksenteon ja palvelujen kehittämisen ajuriksi. Sitra 2018. Sitran selvityksiä 136. Viitattu 27.11.2022. Saatavissa https://www.sitra.fi/julkaisut/huomisen-hyvinvointia-datasta/

Partanen, P. 2021. VTT haluaa tuoda älykkään data-analyysin lääkärin työkaveriksi. VTT. Artikkeli. Viitattu 15.1.2023. Saatavissa https://www.vttresearch.com/fi/uutiset-ja-tarinat/vtt-haluaa-tuoda-alykkaan-data-analyysin-laakarin-tyokaveriksi

Runkle, J., Sugg, M., Boase, D., Galvin, S. L. & Coulson, C. C. 2019. Use of wearable sensors for pregnancy health and environmental monitoring: Descriptive findings from the perspective of patients and providers. Digit Health. 5:2055207619828220, 1–14. Viitattu 9.1.2023. Saatavissa https://doi.org/10.1177/2055207619828220

Ryu, D., Kim, D. H., Price, J. T., Lee, J. Y., Chung, H. U., Allen, E., Walter, J. R., Jeong, H., Cao, J., Kulikova, E., Abu-Zayed, H., Lee, R., Martell, K. L., Zhang, M., Kampmeier, B. R., Hill, M., Lee, J., Kim, E., Park, Y., Jang, H., Arafa, H., Liu, C., Chisembele, M., Vwalika, B., Sindano, N., Spelke, M. B., Paller, A. S., Premkumar, A., Grobman, W. A.,  Stringer, J. S. A., Rogers, J. A. & Xu, S. 2021. Comprehensive pregnancy monitoring with a network of wireless, soft, and flexible sensors in high- and low-resource health settings. Proceedings of the National Academy of Sciences – PNAS. Vol. 118 (20), 1–. Viitattu 17.1.2023. Saatavissa https://doi.org/10.1073/pnas.2100466118

Souza, R. T., Cecatti, J. G., Mayrink, J., Galvão, R. B., Costa, M. L., Feitosa, F., Rocha Filho, E., Leite, D. F., Vettorazzi, J., Tedesco, R. P., Santana, D. S. & Souza, J. P. 2019. Identification of earlier predictors of pregnancy complications through wearable technologies in a Brazilian multicentre cohort: Maternal Actigraphy Exploratory Study I (MAES-I) study protocol. BMJ open. Vol. 9 (4), e023101–e023101. Viitattu 16.1.2023. Saatavissa https://doi.org/10.1136/bmjopen-2018-023101

Veena, S. & Aravindhar, J. 2021. Remote Monitoring System for the Detection of Prenatal Risk in a Pregnant Woman. Wireless Personal Communications (2021) 119:1051–1064. Viitattu 10.11.2022. Saatavissa https://doi.org/10.1007/s11277-021-08249-x

Vähäkainu, P., Neittaanmäki, P. 2018. Digitaalinen terveys ja älykäs terveydenhuollon teknologia. Informaatioteknologian tiedekunnan julkaisuja 43/2018. Jyväskylän yliopisto. Viitattu 25.1.2023. Saatavissa https://www.jyu.fi/it/fi/tutkimus/julkaisut/tekes-raportteja/digitaalinen-terveys-ja-alykas-terveydenhuollon-teknologia.pdf

Kirjoittajat

Jenny Kokkonen, Heli Mäntynen, Heli Pietilä, Anne Ruohola & Elina Tuovinen ovat valmistuvia opiskelijoita LAB-ammattikorkeakoulun sosiaali- ja terveyspalvelujen digiasiantuntija (YAMK) -koulutuksesta.

Hannele Tiittanen työskentelee yliopettajana LAB- ammattikorkeakoulussa hyvinvointiyksikössä.

Tuija Rinkinen työskentelee lehtorina LAB-ammattikorkeakoulussa hyvinvointiyksikössä.

Artikkelikuva: https://pixabay.com/fi/photos/mittari-raskaus-satellite-express-3310287/
(Stanias, Pixabay Licence)

Julkaistu 9.2.2023

Viittausohje

Kokkonen, J., Mäntynen, H., Pietilä, H., Ruohola, A., Tuovinen, E., Tiittanen, H. & Rinkinen, T. 2023. Sensoriteknologia raskausajan hyvinvoinnin tukena. LAB Pro. Viitattu pvm. Saatavissa https://www.labopen.fi/lab-pro/sensoriteknologia-raskausajan-hyvinvoinnin-tukena/