Tutkijalle kliininen työ on kysymysten ja hypoteesien lähde. Moni potilaskontakti tuo eteemme havaintoja, joihin valmiit hoitosuositukset eivät aina anna tyhjentävää vastausta. Miksi tämän potilaan sairaus etenee näin? Miksi hoitovaste on erilainen kuin mitä odotimme? Millä mekanismilla tämä oire selittyy? Juuri tällaisista arjen havainnoista syntyy tarve ymmärtää syitä.
Tässä suhteessa kliininen lääketiede eroaa perustieteistä. Biologiassa tutkimuskysymykset nousevat usein siitä, miten solu tai biologinen järjestelmä toimii normaalisti. Kliinisessä työssä lähtökohta on lähes aina päinvastainen: kohtaamme ensin poikkeaman, sairauden, oireen tai löydöksen, jonka merkitys on selvitettävä.
Kausaalinen ja mekanistinen ajattelu tarjoaa sillan näiden maailmojen välille. Kliininen havainto täytyy muuttaa biologiseksi ilmiöksi – sellaiseksi, että sen taustalla olevia syy‑seuraussuhteita voidaan tutkia luotettavasti solutasolla ja testattavilla hypoteeseilla. Tämän prosessin arvo mitataan lopulta siinä, voidaanko syntynyt tieto kääntää takaisin potilaan hyödyksi.
Satunnaistettu tutkimus antaa arvokasta tietoa toimenpiteiden hyödyistä
Kun kliininen havainto tai rekisteritutkimus viittaa mahdolliseen hyötyyn, seuraava välttämätön askel on kysyä: muuttuuko potilaan ennuste, jos toimimme toisin?
Tästä hyvä esimerkki on tutkimus, jossa tarkastelimme profylaktista laskimonsisäistä rautahoitoa sydänleikkauspotilailla, joilla ei ole anemiaa. Ajatus oli biologisesti houkutteleva: parantamalla rautavarastoja ennen leikkausta voitaisiin vähentää leikkauksen jälkeistä anemiaa, verensiirtoja ja infektioita. Satunnaistettu koe kuitenkin osoitti, että tämä looginen ketju ei toteudu kliinisesti – interventio oli turvallinen, mutta ei muuttanut keskeisiä sairaalahoitoon liittyviä lopputuloksia. Tällaiset negatiiviset tulokset eivät ole epäonnistumisia, vaan kausaalisen tutkimuksen ydintä: ne estävät systemaattisesti hyvin perusteltuja mutta tehottomia hoitoja juurtumasta kliiniseen käytäntöön.
Toinen hyvä esimerkki on käynnissä oleva yli 900 potilaan ja 13 eurooppalaisen keskuksen LAA‑CLOSURE‑tutkimuksemme, jossa toimin päätutkijana. Tavoitteena on ratkaista pitkäaikainen kausaalinen epäselvyys: estääkö vasemman eteiskorvakkeen profylaktinen sulku sydänleikkauksen yhteydessä aivohalvausta vai onko se turha toimenpide? Alkuvaiheen tulokset ovat lupaavia ja osoittavat toimenpiteen olevan leikkausteknisesti ja lyhyen ajan seurannassa turvallinen. Vain pitkä seuranta ja satunnaistettu vertailu voivat vastata siihen, vähenevätkö aivohalvaukset ja kuolleisuus.
Nämä tutkimukset havainnollistavat, että satunnaistetut kliiniset kokeet eivät ainoastaan osoita, mikä toimii, vaan myös mikä ei toimi, milloin ja kenellä. Kausaalinen tieto syntyy usein juuri silloin, kun biologisesti uskottava hypoteesi ei toteudukaan kliinisessä todellisuudessa. Juuri tässä piilee satunnaistettujen kliinisten tutkimusten pysyvä arvo potilaan kannalta.
Biologiset asetelmat paljastavat miksi ja milloin sairaus syntyy
Satunnaistetut kliiniset tutkimukset eivät kuitenkaan yleensä paljasta, miksi sairaus syntyy tai missä vaiheessa biologinen prosessi on jo peruuttamattomasti käynnissä. Tässä kohtaa kliininen tutkimusasetelmien kausaalisuus saavuttaa rajansa ja tarvitaan biologisia asetelmia.
Eteisvärinä on tästä hyvä esimerkki: kliininen rytmihäiriö on usein vasta taudin myöhäinen ilmentymä, kun sen varsinainen biologinen perusta on ollut läsnä jo pitkään. Kun potilas saa eteisvärinän diagnoosin, kudostasolla tilanne on ikään kuin saapuisi rikospaikalle, kun rikos on jo tapahtunut: jäljelle jääneistä pysähtyneistä todisteista pitäisi päätellä, mitä on tapahtunut.
Perustieteiden asetelmissa keskeinen edellytys tällaiselle ymmärrykselle on mahdollisimman harhaton lähtödata. Mitä vähemmän ennakko-oletuksia dataan sisältyy, sitä vähemmän analyysi ohjautuu jo olemassa olevien mallien ja käsitysten mukaan.
Transkriptomi kuvaa sitä, mitkä ihmisen yli 20 000 geenistä on luettu ja tehty lähetti-RNA:n muotoon. Ihmisen koko transkriptomin mittaaminen – erityisesti yksisolutasolla – on ollut metodologinen murros. Proteomi puolestaan kertoo, mitkä näistä lähetti-RNA:ista tehdään proteiiniksi eli solujen ainesosiksi. Kun transkriptomi ja proteomi yhdistetään, voidaan asettaa päällekkäin kaksi tietoa, mikä kaventaa poikkeavasti ilmenevien signalointireittien määrää, ja siten vähentää testattavia hypoteeseja.
Kun analysoimme kaikkien geenien ilmentymistä samanaikaisesti erillisissä sydämen solutyypeissä – kuten sydänlihassolut, immuunijärjestelmän solut ja verisuonten pinnan endoteelisolut – emme enää kysy vain, vahvistuuko jokin ennalta kiinnostava signaali, vaan näemme kokonaiskuvan siitä, mitkä biologiset ohjelmat ylipäänsä ovat aktiivisia.
Asetelma lähti liikkeelle harhattomasta havainnosta: mitä sydämen eteiskudoksessa tapahtuu jo ennen kliinistä eteisvärinää? Kun koko transkriptomia analysoitiin ilman ennakko‑oletuksia – sekä ihmisen sydämen eteiskudoksesta että geneettisistä eläinmalleista – esiin nousi toistuvasti sama signaali: muutokset eivät rajoitu ionikanaviin tai yksittäisiin sähköisiin tekijöihin – joihin nykyiset lääkehoidot perustuvat, vaan koskevat solujen välistä järjestäytymistä ja orientaatiota.
Tässä yhteydessä solupolariteetti toimii mekanistisena linkkinä kliinisen havainnon ja biologisen selityksen välillä. Solupolariteetti määrittää, miten kardiomyosyytit ovat suuntautuneet toisiinsa nähden, miten ne kytkeytyvät mekaanisesti ja sähköisesti, ja miten kudos kokonaisuutena käyttäytyy. Kun tämä hienosäädetty tasapaino häiriintyy – esimerkiksi solujen välisiä liitoksia ohjaavien proteiinien lokalisaation tai dynamiikan muuttuessa – syntyy kudos, joka on sähköisesti altis rytmihäiriölle jo ennen kuin yksikään eteisvärinäjakso on rekisteröity.
Keskeistä kausaalisuuden kannalta on se, että tämä havainto ei jää assosiaatioksi. Sama solupolariteetin häiriö voidaan todeta sekä ihmisen rytmihäiriötä usein edeltävässä eteiskardiomyopatiassa että geneettisissä eteisvärinää kuvaavissa eläinmalleissa, ja tämän lisäksi solutason ilmiötä voidaan aktiivisesti muokata. Kun solupolariteettia sääteleviä reittejä joko häiritään tai korjataan – geneettisesti geenisaksilla hiljentämällä kohdegeeni tai kohdennetuilla pienmolekyyleillä – myös kudoksen sähköinen käyttäytyminen muuttuu ennustettavalla tavalla. Tällöin kyse ei ole enää vain korrelaatiosta, vaan biologisesta kausaliteetin osoittamisesta.
Tämä asetelma havainnollistaa, mitä biologinen kausaalisuus käytännössä tarkoittaa. Kliininen ilmiö – eteisvärinä – palautetaan solutason järjestäytymisen häiriöksi. Tätä häiriötä voidaan mitata harhattomasti, mallintaa kokeellisesti ja muokata tarkoituksellisesti. Vasta tällaisessa ketjussa syntyy tietoa, joka on aidosti käännettävissä takaisin potilastyöhön: ei vain hoitamaan rytmihäiriötä, vaan tunnistamaan ja mahdollisesti korjaamaan sen biologinen esiaste.
Digitaalinen diagnostiikka tuo uusia mahdollisuuksia, mutta myös haasteita
Digitaalinen kardiologia on avannut ennennäkemättömän mahdollisuuden mitata sydämen toimintaa potilaan arjessa esimerkiksi älypuhelinsovelluksilla ja sänkyantureilla. Tämä teknologinen kehitys on ollut nopeaa – mutta biologinen ja kliininen tulkinta ei ole edennyt samassa tahdissa.
CARE‑DETECT‑tutkimuksemme osoittaa tämän ristiriidan hyvin konkreettisesti. Kun yhdistimme aktiivisen älypuhelinmittauksen passiiviseen sänkyanturiin, pystyimme tunnistamaan selvästi enemmän uusia eteisvärinäepisodeja kuin tavanomaisessa seurannassa. Samalla kuitenkin paljastui digitaalisen mittaamisen keskeinen ongelma: valtaosa hälytyksistä ei vastannut kliinisesti varmennettua eteisvärinää. Toisin sanoen järjestelmät olivat herkkiä, mutta biologisesti ja kliinisesti epätäsmällisiä.
Tämä ei ole vain tekninen haaste, vaan kausaalinen kysymys. Digitaaliset laitteet eivät mittaa eteisvärinää sinänsä, vaan pulssin epäsäännöllisyyttä, liikkeen vaihtelua tai signaalin toistuvuuden rikkoutumista. Sama signaali voi syntyä monesta eri syystä: lisälyönneistä, sinusrytmin vaihtelusta, stressistä tai autonomisen hermoston aktivaatiosta. Ilman biologista kontekstia mittaus jää ilmiön tasolle ja tulkinta auki.
CARE‑DETECT‑tutkimuksen tulokset korostavat, että digitaalinen diagnostiikka ei voi nojata pelkkään signaalin tunnistamiseen. Vaikka yksittäisen algoritmin sensitiivisyys ja spesifisyys näyttäisivät lupaavilta laboratorio-olosuhteissa, kliinisessä todellisuudessa ratkaisevaa on positiivinen ennustearvo: kuinka usein hälytys todella tarkoittaa sairautta. Tässä suhteessa hälytysten suuri määrä johti merkittävään diagnostiseen lisätyöhön ilman vastaavaa kliinistä hyötyä.
Negatiivinen tutkimustulos on suojamekanismi turhaa hoitoa vastaan
Kun tarkastelen tätä kokonaisuutta taaksepäin, yksi teema nousee muiden yläpuolelle: kliiniset havainnot, kokeellinen biologia ja teknologinen kehitys ovat kaikki arvokkaita vain, jos ne kytkeytyvät toisiinsa kausaalisen ajattelun kautta. Vasta silloin voimme siirtyä yksittäisistä havainnoista ymmärrykseen siitä, miksi sairaus syntyy ja milloin siihen kannattaa puuttua.
Tällä ajattelulla on myös selkeä eettinen ulottuvuus. Kliinisessä tutkimuksessa ja hoitopäätöksissä vastuumme ei ole vain tehdä jotakin, vaan tehdä oikeaa asiaa oikealle potilaalle oikeaan aikaan. Se edellyttää, että uskallamme testata biologisesti houkuttelevia hypoteeseja, mutta myös hyväksyä tulokset silloin, kun ne osoittavat, ettei interventiosta ole todellista hyötyä. Negatiivinen tulos ei ole potilaan näkökulmasta epäonnistuminen, vaan usein suojamekanismi turhaa hoitoa vastaan.
Lopulta palaamme niihin kysymyksiin, joita kliininen työ tutkijalle herättää: miksi tämä potilas, miksi näin, miksi juuri nyt. Tutkimuksen tehtävä on auttaa meitä vastaamaan näihin kysymyksiin yhä paremmin – ei vain lisäämällä tietoa, vaan lisäämällä ymmärrystä. Siinä yhteydessä kausaalinen ajattelu ei ole vain tieteellinen metodi, vaan keskeinen osa vastuullista ja eettisesti kestävää lääketiedettä.
Tuomas Kiviniemi
Kirjoittaja on kardiologian professori. Puheenvuoro pohjautuu hänen 12. toukokuuta 2026 pitämäänsä professoriluentoon.
