Tyyppi 1 diabeteksen kehityksen ja puhkeamisen ennustaminen koneoppimiseen perustuvalla asiantuntijajärjestelmällä

Tyyppi 1 diabeteksen (T1D) puhkeamiseen vaikuttavat monet tekijät, joiden kaikkien yhteisvaikutusta ei täysin tunneta. Nykyisen käsityksen mukaan T1D:n puhkeamista edeltää usein pitkäkestoinen prosessi, jonka aikana elimistössä ja aineenvaihdunnassa tapahtuu muutoksia. DIPP-projektissa kerättävät tulokset antavat ainutlaatuisen mahdollisuuden tarkastella sekä ympäristötekijöitä että elimistössä tapahtuvia muutoksia lapsen syntymästä lähtien.

Jokaisesta tutkimukseen osallistuvasta henkilöstä kertyy suuri määrä arvoja jokaisella käyntikerralla. Käynnillä otettujen näytteiden lisäksi laboratorioanalyyseistä saadaan myös suuri määrä tuloksia, jotka kertovat mm. aineenvaihdunnasta ja vasta-aineista. Runsaasta mitattujen arvojen määrästä johtuen eri tekijöiden monimutkaisten yhteisvaikutusten havaitseminen ei ole ihmissilmälle helppoa.

Kerättyjä suuria tietomääriä voidaan käsitellä bioinformatiikan keinoin. Tavoitteenamme on kehittää koneoppimiseen perustuva automatisoitu asiantuntijajärjestelmä, joka hallinnoi kerättävää tietoa tutkimukseen osallistuvista henkilöistä, ja samalla kehittää malleja, jotka kuvaavat T1D:n kehitystä ja mahdollista puhkeamista, ja antaisivat mahdollisimman varhaisen varoituksen puhkeamisriskin noususta. Suuresta tietomäärästä on mahdollista löytää T1D:n kehittymisen varhaisia tunnusmerkkejä. Näitä tunnusmerkkejä voidaan vertailla tutkimukseen osallistuvista saatuihin tietoihin, ja luoda ennusteita mahdollisesta puhkeamisriskin noususta.

Asiantuntijajärjestelmä oppii ja kehittää mallejaan koko ajan kerääntyvän uuden tiedon perusteella. Koska järjestelmän tuottamat ennusteet ovat todennäköisyysarvoja ja siten monikäsitteisiä ja tulkinnanvaraisia, on asiantuntevan henkilökunnan aina arvioitava näiden ennusteiden paikkansapitävyyttä, ja asiantuntijajärjestelmä käyttää näitä arvioita oppiakseen parantamaan ennustemallejaan.