Tekoälyn tuottamia röntgenkuvia
Terveysdatan jakaminen tutkijoiden ja kehittäjien keskuudessa on tärkeää niin tieteellisen tutkimuksen kuin terveysteknologian kehittämisen kannalta. Usein terveysdatan jakaminen on kuitenkin haastavaa tiukoista tietosuojasäädöksistä johtuen. Jyväskylän yliopiston Digital Health Intelligence -laboratorion tutkijat pyrkivät ratkaisemaan ongelmaa kehittämällä neuroverkon, joka pystyy luomaan menetelmäkehitys- ja tutkimustarkoituksiin keinotekoisia röntgenkuvia, jotka pystyvät huijaamaan jopa lääketieteen ammattilaisia.
Jyväskylän yliopiston AI hub Keski-Suomi -hankkeessa kehitettiin tekoälymenetelmä, jonka tuottamilla synteettisillä röntgenkuvilla voitaisiin korvata ja täydentää polven nivelrikkodiagnostiikan menetelmätutkimuksessa käytettävää röntgendataa.
Tutkijat kehittivät neuroverkon, joka pystyy generoimaan synteettisiä röntgenkuvia. Menetelmän avulla aidoista röntgenkuvista koostuvaa nivelrikkotutkimuksen data-aineistoa täydennettiin synteettisillä kuvilla. Kuvien aitoutta arvioitiin yhdessä Jyväskylässä toimivan Sairaala Novan erikoislääkäreiden kanssa.
Erikoislääkäreitä pyydettiin ensin tekemään nivelrikkoluokitus kuville ilman että he tiesivät aineiston sisältävän synteettisiä kuvia. Tämän jälkeen toisessa vaiheessa heitä pyydettiin erottelemaan kuvat aitoihin ja synteettisiin kuviin. Testien perusteella synteettisten kuvien havaitseminen aitojen joukosta on erittäin hankalaa jopa asiantuntijalle.
– Synteettisen datan hyödyntämistä eivät kosketa samalaiset tietosuojarajoitukset, kuin aitoa dataa. Sen avulla voidaan helpottaa esimerkiksi tutkimusryhmien, yritysten ja oppilaitosten välistä yhteistyötä, kertoo Digital Health Intelligence laboratorion johtaja Sami Äyrämö Jyväskylän yliopistosta.
Äyrämön mukaan synteettisen datan käyttö myös nopeuttaa lupaprosesseja ja sitä kautta muun muassa uusien ideoiden kokeilemista.
Dataa hyödyntävien tekoälymenetelmien avulla voidaan tukea lääkäreitä diagnoosien tekemisessä. Vaikka tekoälyn tekninen potentiaali on valtava, niin lääketieteen sovelluksissa käytössä olevan datan määrä on usein riittämätön. Tämä on keskeinen haaste riittävän tarkkojen menetelmien kehittämisen.
– Täydentämällä aidoista röntgenkuvista koostuvaa dataa synteettisillä kuvilla onnistuimme parantamaan tekoälypohjaisen nivelrikkoluokittimen tarkkuutta, kertoo neuroverkon suunnittelusta vastannut väitöskirjatutkija Fabi Prezja.
Synteettisen datan hyödyntäminen voi tulevaisuudessa johtaa parempiin tuloksiin lääketieteellisessä menetelmäkehityksessä ja potilaiden hoidossa, erityisesti sellaisten sairauksien kohdalla, joissa aitoa potilasdataa on rajallisesti saatavilla.
– Lisäksi neuroverkko pystyy muokkaamaan synteettisiä röntgenkuvia asiantuntijan määritysten mukaisesti. Tulevaisuudessa ominaisuutta voidaan hyödyntää lääketieteellisissä koulutussovelluksissa sekä muiden tekoälyjärjestelmien stressitestauksessa, Prezja lisää.
Tutkimus tehtiin yhteistyössä Keski-Suomen sairaanhoitopiirin kanssa, jonka johtaja ja kirurgian professori Juha Paloneva pitää tekoälyyn perustuvia diganoosimenetelmiä arvokkaana tapana siirtää kokeneen lääkärin osaamista vähemmän kokeneen lääkärin työn tueksi.
– Tekoälyn avulla voidaan paljastaa esimerkiksi vaikeasti havaittavia varhaisen nivelrikon merkkejä. Tekoälymenetelmät nivelrikon diagnostiikassa ovat kuitenkin vielä kehittymässä, joten työ jatkuu, Paloneva sanoo.
Lähde: Jyväskylän yliopisto
