Professoriluento | Pekka Taimen

Patologialla tarkoitetaan oppia taudeista – niiden syistä, luonteesta ja käyttäytymisestä. Maallikko rinnastaa patologian usein kuolemansyyn selvitykseen liittyvään ruumiinavaustoimintaan ja tämä onkin edelleen yksi patologin tärkeistä työtehtävistä. On kuitenkin hyvä huomata, että ruumiinavauksista otetut kudosnäytteet edustavat alle prosenttia patologialla tutkittavista kudosnäytteistä, kun taas valtaosa materiaalista koostuu eläviltä ihmisiltä seulonnan tai taudinmäärityksen yhteydessä otetuista näytteitä. Tällaisia ovat mm. kohdunkaulan irtosolunäytteet eli ns. Papa-näytteet, erilaisten tähystysten yhteydessä otetut koepalat sekä kookkaammat, kirurgisen toimenpiteen yhteydessä poistetut kudospalat.

Kudosnäytteissä havaittavat mikroskooppiset muutokset vaihtelevat suuresti. Tyypillisiä ovat esimerkiksi tulehduksellisiin tai rappeuttaviin tauteihin liittyvät elinmuutokset. Etenkin leikkauspreparaattien yhteydessä on usein kyse kasvaintautien diagnostiikasta. Patologin antama patologis-anatominen diagnoosi määrittelee, onko kyseessä hyvänlaatuinen kasvain vai pahanlaatuinen kasvain eli syöpä. Lisäksi patologi arvioi lisääntyvästi kasvaimeen liittyviä erilaisia ominaisuuksia kuten sen kudosopillista alatyyppiä, kokoa, levinneisyyttä, geneettisiä muutoksia sekä kirurgisen poiston täydellisyyttä. Nämä määritetyt ominaisuudet antavat potilasta hoitavalle lääkärille tärkeää tietoa taudin ennusteesta ja ohjaavat potilaan jatkohoitoa. Patologia on siten oleellinen lenkki syöpäpotilaan diagnostiikan ja hoidon ketjussa ja nykypäivänä patologit osallistuvat lisääntyvästi kliinis-patologiseen meeting-toimintaan yhdessä kirurgien, kuvantamisen ammattilaisten ja syöpälääkäreiden kanssa.

Jo yli 100 vuoden ajan patologin tärkein työväline on ollut valomikroskooppi, joka tarjoaa mahdollisuuden arvioida potilaasta otetun solu- tai kudosnäytteen ominaisuuksia jopa yksittäisten solujen tasolla. Myös mikroskooppinäytteen valmistusprosessi on pysynyt hyvin samankaltaisena vuosikymmenien ajan. Ensin kudos fiksoidaan eli kiinnitetään. Kudoskuljetuksessa näytepalasta poistetaan vesi, minkä jälkeen näyte valetaan parafiiniin. Muodostuvista kudosblokeista leikataan mikrotomilla 3-4 mikrometrin paksuisia kudosleikkeitä, jotka kiinnitetään edelleen mikroskooppilasille ja värjätään halutulla menetelmällä. Värjätty kudosleike päällystetään ja peitetään ohuella peitinlasilla, minkä jälkeen sitä voidaan tarkastella mikroskoopilla, kuten oheista eturauhasesta otettua poikkileikkausnäytettä.

Merkittävä edistysaskel patologiassa otettiin 1980-luvulla, kun ensimmäiset immunohistokemialliset värjäykset tulivat mukaan rutiinidiagnostiikkaan. Menetelmällä tarkoitetaan halutun proteiinituotteen tunnistamista kudosleikkeestä vasta-ainevärjäyksin. Immunohistokemia mahdollisti mm. kasvainten alkuperän selvittämisen aiempaa tarkemmin sekä ensimmäisten potilaan hoidon ja ennusteen kannalta tärkeiden biomerkkiaineiden, kuten estrogeenireseptorin osoittamisen rintasyöpänäytteistä. Oheisessa kuvassa nähdään poikkileikkaus imusolmukkeesta, jonka reunalla sijaitseva eturauhassyövän etäpesäke on värjätty immunohistokemiallisesti ruskealla värillä. Värjäys tunnistaa jopa yksittäiset syöpäsolut imusolmukkeen normaalien solujen joukosta.

Toinen merkittävä edistysaskel on ollut 2000-luvulla kehittynyt molekyylipatologia. Molekyylipatologian ytimessä ovat DNA-pohjaiset tekniikat, joilla voidaan osoittaa esimerkiksi tietty potilaan kasvaintaudille ominainen, hoidon tai ennusteen kannalta merkittävä geneettinen muutos. Tekniikan kehittyessä geneettisiä muutoksia voidaan tutkia yhä laajemmin, nopeammin ja kustannustehokkaammin. Uuden sukupolven sekvensointi mahdollistaa jopa useiden satojen geenien emäsjärjestyksen selvittämisen potilaan kasvaimesta ja kohdennetuille lääkehoidolle herkkien tai vastustuskykyisten geenimuutosten tunnistamisen. Tämä diagnostinen toiminta vaatii tiivistä yhteistyötä sairaalasolubiologien, genomiikan ja bioinformatiikan asiantuntijoiden kanssa. Lisääntyvästi löydösten kliinistä merkitystä pohditaan myös syövänhoidon moniammatillisissa asiantuntijaryhmissä hoitopäätösten tueksi.

Molekyylipatologian tekniikoilla saadaan yhä yksityiskohtaisempaa ja yksilöllisempää tietoa potilaan kasvaintaudin luonteesta ja ennusteesta. Lisäksi molekyylipatologian menetelmiä voidaan soveltaa moniin muihin, vielä tutkimuksellisella asteella oleviin tekniikkoihin. Omassa tutkimusryhmässäni olemme selvittäneet mm. elävien potilasperäisten kasvainsolujen soveltuvuutta lääkeseulontaan, jotta histopatologisen ja geneettisen diagnoosin lisäksi ymmärtäisimme solujen ja siten kasvaimen herkkyyttä tai vastustuskykyisyyttä erilaisille syöpälääkkeille aiempaa paremmin. 

Patologian kolmas vallankumous – digitaalinen patologia - on käsillä nyt. Digitaalipatologialla tarkoitetaan mikroskooppinäytteen sisältämän tiedon muuntamista digitaaliseksi kuvaksi mikroskooppisella tarkkuudella, minkä jälkeen patologi voi tutkia kudosleikkeen ominaisuuksia tietokoneen näytöltä. Vastaava digiloikka koettiin radiologian alalla jo yli 20 vuotta aiemmin mutta patologian osalta muutosta ovat hidastaneet teknisten ratkaisujen ja tiedonsiirron rajoitteet, sillä yksittäisen digitoidun mikroskooppinäytteen tiedostokoko on valtava, jopa useita gigatavuja. Digitalisaatio ei myöskään vähennä näytteen valmistukseen liittyviä työvaiheita vaan päinvastoin: kudosleikkeen sisältävä mikroskooppinäyte valmistetaan kuten aiemminkin, minkä jälkeen tämä pitää digitoida robotiikkaa hyödyntävällä skannerilla. Digitaalipatologian edut ovat kuitenkin moninaiset: digitaalisaatio nopeuttaa patologin arviointityötä ja mahdollistaa tietoturvallisessa ympäristössä näytteen arvioinnin missä tahansa, vaikka toisella puolella maailmaa. Digitaalipatologia tarjoaa myös erinomaiset mahdollisuudet automaattisiin kuva-analyyseihin sekä koulutukseen ja korkeatasoiseen tutkimukseen yhdessä näytteitä hallinnoivien sairaalabiopankkien kanssa. Alan nopeaa kehitystä kuvaa hyvin oheinen pylväsdiagrammi, jossa nähdään digitaalipatologiaan liittyvien tieteellisten julkaisujen määrän nopea kasvu eri vuosina 2000-luvulla.

Erityisen suuret odotukset on ladattu digitaalipatologian tekoälysovelluksiin. Kuva-analytiikan ja koneoppimisen keinoin voidaan jo nyt opettaa tekoäly tunnistamaan virtuaalisesta näytelasista esim. syöpäkudosta tai tämän kudosopillisia piirteitä koulutetun patologin tarkkuudella. Oheisessa kuvassa nähdään eturauhasesta otettu kudosnäyte, josta tehtävään koulutettu tekoäly on tunnistanut syöpäalueet ja merkinnyt ne eri värein – matalan riskin syövän keltaisella ja aggressiivisen syöpäalueen punaisella. Vaikka näiden tekoälysovellusten käyttöönotto rutiinidiagnostiikassa tulee viemään oman aikansa, tulevat ne tulevaisuudessa vapauttamaan patologien työaikaa monotonisesta seulontatyöstä vaativampiin työvaiheisiin ja toisaalta parantamaan tutkimusten laatua vähentäen samalla inhimillisten virheiden mahdollisuutta.

Digitaalipatologian ja tekoälyn mahdollisuuksia mietittäessä herää väkisinkin kysymys, mihin kaikkeen nämä sovellukset tulevaisuudessa kykenevät ja mikä on patologin muuttuva rooli diagnostiikassa. Erityisen kiinnostavia ovat sellaiset digitaalipatologian tekoälysovellukset, jotka voivat tunnistaa näytteistä ihmissilmän havainnointikyvyn ylittäviä piirteitä. Tällaisia ovat muun muassa kasvaimissa esiintyvät geneettiset muutokset tai taudin käyttäytymistä, kuten leikkauksen jälkeistä uusiutumista ennustavat piirteet.

Molekyylipatologia ja digitaalipatologia ovat tulleet jäädäkseen ja patologian erikoisala muuttuu sen myötä. Tulevaisuuden patologilla on käytössään moninaiset molekyyligeneettiset ja tekoälyyn pohjautuvat työkalut yhä yksilöllisemmän taudinmäärityksen tukena, perinteistä kudosopillista arviointia unohtamatta. Tekoäly ei kuitenkaan tule korvaamaan patologia, sillä tekoäly kykenee parhaimmillaankin vastaamaan vain siihen rajattuun tehtävään, johon se on koulutettu ja näytettä tutkiva patologi on lopulta vastuussa tehdyistä johtopäätöksistä. On silti oletettavaa, että tulevaisuudessa patologin ja tekoälyn yhteistyönä syntyvä diagnoosi on aiempaa tarkempi ja yksilöllisempi. Tämä tieto on oleellinen, jotta kullekin potilaalle voidaan suunnitella häntä eniten hyödyttävä yksilöllinen jatkohoito.