Tampereen Biopankin tutkimusprojektit 2026

Evaluation patient-derived serum samples for breast cancer biomarker detection

Nonappa Nonappa, Tampereen yliopisto

Projektin tavoitteena on kehittää nopea ja luotettava menetelmä primaarin rintasyövän varhaisvaiheen metastaaseihin liittyvien biomarkkereiden havaitsemiseksi. Tunnistamalla ja validoimalla metastasointipotentiaalin keskeiset molekyyliset indikaattorit pyrimme tehostamaan varhaisen diagnostiikan strategioita, jotka ovat ratkaisevia potilasennusteiden parantamisessa ja yksilöllisten hoitomenetelmien ohjaamisessa. Päätavoitteena on arvioida ja validoida rintasyövän biomarkkereiden ilmentyminen, merkitys ja mahdollinen kliininen hyödyllisyys potilaista peräisin olevissa näytteissä. Tavoitteet on hahmoteltu laboratoriopohjaisen kokeellisen validointimme perusteella, jossa on käytetty erilaisia rintasyöpäsolulinjoja.

Prospective validation of machine learning model predicting clinical laboratory measurements (VALID)

Andrea Ganna ja Leena Viiri, Helsingin yliopisto

Tämän lääketieteellisen tutkimuksen tavoitteena on validoida kehittämäämme koneoppimismallia, jonka avulla voidaan ennustaa yleisesti käytettyjen kliinisten laboratoriomittausten arvoja. Keskitymme tässä tutkimuksessa kliinisiin laboratorioarvoihin, joita on helppo mitata verestä, niillä on selkeä rooli diagnostiikassa ja selkeä hyvin tutkittu geneettinen tausta. Nyt suomalaisten biopankkien kautta tehtävässä takaisinkutsututkimuksessa kutsutaan n. 2000 iältään 30-70-vuotiaita ihmistä verikokeisiin, joissa mitattuja kliinisiä laboratorioarvoja käytämme koneoppimismallin validointiin eli toiminnan testaamiseen. Kutsumme osallistujia, joille kehittämämme koneoppimismalli ennustaa kliinisiä laboratorioarvoja eri tasoilta (viitearvojen sisällä tai niiden ulkopuolella), arvioidaksemme mallin toimivuutta. Otamme mukaan henkilöitä, joille malli ennustaa erilaisia arvoja, jotta pystymme arvioimaan, kuinka hyvin malli toimii eri tilanteissa, kuten poikkeavuuksien havaitsemisessa ja ennusteiden vahvistamisessa niille, joiden arvot ovat viitearvojen sisällä. Tämä kokonaisvaltainen lähestymistapa antaa meille luotettavamman arvion mallin tarkkuudesta ja hyödyllisyydestä käytännön sovelluksissa.