Tekoälystä uusia mahdollisuuksia lääketieteen kuvantamiseen

Tekoälyn mahdollisuuksista lääketieteellisessä kuvantamisessa saadaan pian uutta tietoa, kun lääkäreistä, fyysikoista ja matemaatikoista koostuva monialainen tutkimusryhmä pureutuu aiheeseen Oulun yliopiston professori Miika Niemisen johdolla. Tavoitteena on luoda tekoälyyn perustuvaa diagnostiikkaa, joka on nykyiseen verrattuna nopeampaa, tarkempaa ja kustannustehokkaampaa. Hankkeelle on myönnetty yli puolen miljoonan euron rahoitus Tulevaisuuden tekijät -ohjelmasta.

Tekoäly tulee avaamaan täysin uusia mahdollisuuksia lääketieteen kuvantamistutkimuksiin jo lähivuosina, tutkijat uskovat.

Kuvantaminen on merkittävässä roolissa monien sairauksien diagnostiikassa ja hoidossa. Väestön ikääntyessä potilaista otettujen lääketieteellisten kuvien määrä on lisääntynyt ja samalla tutkimukset ovat monimutkaistuneet ja niihin liittyvät tiedot lisääntyneet. Tavallinen käytäntö on, että radiologi katsoo potilaasta otetun kuvan työasemallaan ja lausuu kuvasta diagnoosin. Nykyisellään prosessi on raskas ja diagnostiikka aikaa vievää.

– Tekoälyyn pohjautuva diagnostiikka tulee olemaan paitsi nopeampaa myös tarkempaa ja huomattavasti nykyistä halvempaa, kertoo projektipäällikkö Tiina Ihme Oulun yliopistosta.

Tutkijoiden tavoitteena on kehittää tekoälyä hyödyntäviä menetelmiä, jotka auttavat lääkäriä oikean diagnoosin tekemisessä.

– Ydinajatus on, että tekoäly löytää potilaasta otetusta kuvasta mielenkiintoiset ja diagnoosin tekemisen kannalta tärkeät kohdat sekä antaa arvion havainnoista.

Uusia menetelmiä aletaan ensivaiheessa kehittää rintasyöpien seulontaan liittyvään mammografiakuvantamiseen sekä alaselän magneettikuvantamiseen.

Tekoälyllä voidaan myös parantaa kuvarekonstruktioita, mikä mahdollistaa muun muassa tarkemman automaattisen kuva-analyysin. Tomografisia kuvia rekonstruoidaan edelleenkin vanhoilla, korkean säteilyannoksen menetelmillä, mutta tekoälyä hyödyntävien rekonstruktioalgoritmien avulla potilaan säteilykuormitusta voidaan vähentää merkittävästi ja parantaa kuvanlaatua.

Mammografiakuvien tulkitseminen on vaativaa ja haasteena ovat niin sanotut väärät positiiviset löydökset, joiden määrää pyritään vähentämään. Väärän positiivisen löydöksen saa nykyisin noin 3 % seulotuista. Väärä positiivinen diagnoosi voi potilaan kannalta olla hyvin ahdistavaa ja aikaansaada pitkäaikaisen huolen mahdollisesta syövästä. Koneoppimisen avulla voidaan vähentää väärien positiivisten löydösten määrää ja tukea lääkäriä oikean diagnoosin tekemisessä.

Alaselän magneettikuvantamisessa tavoitteena on automatisoida nikamien rakenteen analysointia. Alaselkäkipu on maailmanlaajuisesti merkittävin toimintakykyä alentava terveysongelma ja Suomessakin yksi tavallisimmista syistä hakeutua lääkärin vastaanotolle. Magneettikuvausta tarvitaan, jos epäillään jotakin vakavaa tai jos erityistä syytä kipuun ei löydy. Kuvia voi olla joskus vaikea tulkita, ja avuksi tarvitaan tehokkaita, systemaattisia ja kvantitatiivisia menetelmiä selkärangan rakenteiden arviointiin. Tähän tekoäly voi tuoda ratkaisun.

Artificial intelligence guided diagnostics in medical imaging, AIDMEI -hankkeelle myönnetty rahoitus on kolmivuotinen, ja se on suuruudeltaan 525 000 euroa. Pääosa tutkimuksesta tehdään Oulun yliopiston lääketieteellisen kuvantamisen, fysiikan ja tekniikan tutkimusyksikössä yhteistyössä Oulun yliopistollisen sairaalan kanssa. Hankkeeseen osallistuvat Oulun yliopistosta professori Miika Niemisen lisäksi professorit Simo Saarakkala, Osmo Tervonen, Jaro Karppinen ja Jarmo Reponen, sekä Helsingin yliopiston matematiikan ja tilastotieteen osasto teollisuusmatematiikan professori Samuli Siltasen johdolla.

Teknologiateollisuuden 100-vuotissäätiö ja Jane ja Aatos Erkon säätiö rahoittivat Tulevaisuuden tekijät -ohjelmasta kunnianhimoisia tutkimusavauksia yhteensä 3,2 miljoonalla eurolla.