Jyväskylän yliopiston AI hub Keski-Suomi hankkeessa kehitettiin tekoälymenetelmä, jonka tuottamilla synteettisillä röntgenkuvilla voitaisiin korvata ja täydentää polven nivelrikkodiagnostiikan menetelmätutkimuksessa käytettävää röntgendataa. Keinotekoiset röntgenkuvat pystyvät huijaamaan jopa lääketieteen ammattilaisia.
Jyväskylän yliopiston Digital Health Intelligence -laboratorion 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.
– Tekoälyn avulla voidaan paljastaa esimerkiksi vaikeasti havaittavia varhaisen nivelrikon merkkejä. Tekoälymenetelmät nivelrikon diagnostiikassa ovat kuitenkin vielä kehittymässä, joten työ jatkuu, sanoo Keski-Suomen sairaanhoitopiirin kirurgian professori Juha Paloneva, joka pitää tekoälyyn perustuvia diagnoosimenetelmiä arvokkaana tapana siirtää kokeneen lääkärin osaamista vähemmän kokeneen lääkärin työn tueksi.
Kuvassa näkyy kolme tekoälyn luomaa polven röntgenkuvaa.
