Mitattu minä – omamittauksen mahdollisuudet terveydenhuollossa

Terveydenhuolto ja erityisesti sairauksien ennaltaehkäisy on keskeinen innoittaja ihmisen käytökseen liittyvän mittaustiedon keräämiseen ja analysointiin. Omamittaus eli itsensä kvantifioiminen (quantified self) kasvattaa suosiotaan, mikä näkyy tuotteiden nopeassa kehityksessä ja levityksessä liikunnan, terveyden ja hyvinvointialan markkinoilla. Erityisesti puettavat sensorit ja tietokoneet ovat kaikkien saatavilla ja ihmiset mittaavat omia suorituksiaan ja fysiologisia toimintojaan osana arkipäivää. Puettavat sensorit ja tietokoneet ovat yksi sulautetun tietotekniikan (ubiquitous computing) osa-alueista. Puettava tietotekniikka tarkoittaa tietokoneita, jotka kiinnitetään suoraan käyttäjän kehoon tai kehon lähelle esimerkiksi älykkään kankaan kautta. Yleisimpiä puettavia tietokoneita ovat älyrannekkeet, -kellot sekä -vaatteet. 

Älykäs puettava tekniikka voidaan valjastaa terveydenhuollon käyttöön yhdistämällä puettavista sensoreista tietoa keräävät sovellukset langattoman yhteyden kautta pilvipalveluihin, jolloin tätä saumatonta vuorovaikutusta voidaan kutsua puettavaksi esineiden internetiksi (Wearable Internet of Things). Tämä mahdollistaa esimerkiksi potilaan pitkäaikaisen seurannan kotiympäristössä, jolloin sekä terveydenhuollon kustannuksia voidaan mahdollisesti pienentää ja hoidon laatua ja vaikuttavuutta kehittää. 

Puettavien sensoreiden lisäksi tutkijat selvittävät älypuhelimen mahdollisuuksia tunnistaa käyttäjien erilaisia tilanteita ja aktiviteetteja. Nykyisten älypuhelimien kyky tunnistaa liikettä ja ympäristöjä perustuu niiden sisältämiin useisiin kehittyneisiin sensoreihin, kuten kiihtyvyysmittareihin, GPS-paikantimiin, valosensoreihin ja mikrofoneihin. Fyysisen aktiivisuuden lisäksi älypuhelimet pystyvät havaitsemaan hyvin hienovaraisia ja yksilöllisiä piirteitä käyttäjän toiminnasta. Yksi tällainen sovellutus on hyödyntää älypuhelimen äänimaailman tunnistamista ihmisen stressitasojen ja tunteiden tunnistamisessa. Tällä innovaatiolla voisi olla merkitystä esimerkiksi mielenterveysongelmien hoidon tukena. Lisätietoa yksittäisen ihmisen terveyskäyttäytymisestä voidaan saada myös digitaalisen jalanjäljen kautta, eli keräämällä ja analysoimalla tietoja sosiaalisesta kanssakäymisestä, päivittäisistä rutiineista ja ajankäytöstä sosiaalisen median käytön, kalenterimerkintöjen tai sähköpostiliikenteen tiedoista.

Yksi tärkeimmistä asioista henkilökohtaisen datan keräämisessä ja säilyttämisessä on yksityisyyden säilyttäminen ja siihen liittyvät riskit. Vaikka monet mittausmenetelmät ovat huomaamattomia, voidaan niitä pitää jopa tunkeilevina, koska menetelmät keräävät samalla paljon enemmän henkilökohtaista tietoa kuin ihmiset ovat valmiita jakamaan. Tutkimuksen painopistettä on nyt uusien mittausmenetelmien lisäksi siirretty kehittämään erilaisia menetelmiä minimoimaan tietosuojaan liittyviä riskejä. Esimerkki yksityisyyttä suojelevista menetelmistä datan keräämisessä on auditiivisen datan suodattaminen siten, ettei keskusteluja voida rekonstruoida. Lisäksi sosiaalisesta mediasta voidaan kerätä vain tietyntyyppistä esiintymistiheyttä laskevaa dataa ja GPS-paikannuskoordinaatit voidaan säilyttää vain hetkellisesti kertomaan esimerkiksi kuntoilijan kuljetun matkan, ei niinkään henkilön sijaintia.

Yksityisyyttä varmistavia tekniikoita voidaan pitää välttämättöminä lievittämään ihmisten huolta tietosuojan säilymisestä, jos tavoitteena on tulevaisuudessa, että merkittävä osa väestöstä haluaa ja uskaltaa osallistua arkielämänsä mittaamiseen terveyden edistämiseksi. Parhaimmillaan omamittaus tulee olemaan merkittävässä roolissa, kun terveydenhuoltoa muutetaan potilasta osallistavaan suuntaan sekä yksilökeskeisemmäksi sairauskeskeisyyden sijaan.

Kirjoittajan tiedot:

Riitta Mieronkoski

fysioterapeutti, TtK, TtM-opiskelija

Turun yliopisto, hoitotieteen laitos

ritemi@utu.fi

Lähteet:

Hekler EB, Klasnja P, Traver V & Hendriks M. 2013. Realizing Effective Behavioral Management of Health: The Metamorphosis of Behavioral Science Methods. Pulse, IEEE, 4(5):29–34.

Hiremath S,Yang G & Mankodiya K. 2014. Wearable Internet of Things : Concept, Architectural Components and Promises for Person-Centered Healthcare. MOBIHEALTH 2014, November 03-05, Athens, Greece. 

Lu H, Frauendorfer D, Rabbi M, Mast MS, Chittaranjan GT, Campbell AT, Gatica-Perez D & Choudhury T. 2012. StressSense: Detecting stress in unconstrained acoustic environments using smartphones. Proceedind of the 2012 ACM Conference. Ubiquitous Computing 351-360.

Spanakis EG, Kafetzopoulos D, Yang P, Marias K, Deng Z, Tsiknakis M, Sakkalis V & Dong F. 2015. MyHealthAvatar: Personalized and empowerment health services through internet of things technologies. Proceedings of the 2014 4th International Conference on Wireless Mobile Communication and Healthcare - "Transforming Healthcare through Innovations in Mobile and Wireless Technologies", MOBIHEALTH 2014 , 331-334.