Tekoäly tehokäyttöön sydänlihasperfuusion PET-tutkimuksessa
PET-kuvantamisella saadaan luotettavaa tutkimustietoa sydän- ja verisuonitautien tunnistamiseksi ja diagnostiikkaa on mahdollista parantaa edelleen tekoälyä hyödyntämällä. Tutkimusryhmämme kehittää parhaillaan tekoälymenetelmiä, joilla sydänlihasperfuusion PET-tutkimusten analyyseja voitaisiin automatisoida. Tämä helpottaisi muun muassa lopputulosten tulkintaa.Julkaistu 11.1.2024
Teksti: Jarmo Teuho
Kuva: Shutterstock
Toimitustyö: Viestintätoimisto Jokiranta Oy
Sydän- ja verisuonitautien tunnistamiseen voidaan käyttää PET-kuvantamista. Sydänlihasperfuusion PET-tutkimuksessa saadaan tietoa vakavien sydäntapahtumien riskistä, mikä ohjaa hoitolinjan valintaa. Sydänlihasperfuusion PET-tutkimuksen luotettavuutta on tarkasteltu lukuisissa tutkimuksissa, ja se on todettu kajoamattomista menetelmistä tarkimmaksi. Erityisesti sepelvaltimotaudin diagnostiikassa PET-tutkimuksen suuri etu on mahdollisuus mitata perfuusio täysin kvantitatiivisesti.
Perfuusiotutkimusten analyysiin käytetään tällä hetkellä Carimas-analyysiohjelmistoa, joka on kehitetty tähän tarkoitukseen valtakunnallisessa PET-keskuksessa Turussa. Tutkimusryhmämme tutkii tekoälymenetelmien kehittämistä ja soveltamista perfuusiotutkimusten analyysiketjun eri osa-alueisiin, jotta analyysia voitaisiin kehittää ja automatisoida. Työssämme yhdistyvät lääketieteen, kuvantamisen ja tekniikan tutkimus.
Kansainvälistä tutkimusyhteistyötä
Tekoälyä ja erityisesti syväoppimista on hyödynnetty tehokkaasti jo monella osa-alueella, kuten hahmontunnistuksessa, kuvankäsittelyssä, data-analytiikassa sekä nykyisin myös monenlaisessa sisällöntuottamisessa. Lääketieteellisistä sovelluksista tunnetuimmat ovat varmasti erinäiset COVID-diagnostiikkaan kehitetyt työkalut, joista on aikanaan uutisoitu laajasti. Tekoälyä on kuitenkin sovellettu lääketieteelliseen kuvantamiseen jo varsin kattavasti muillakin osa-alueilla, kuten CT- ja MRI-kuvantamisessa.
Sydänlihasperfuusion PET-tutkimuksessa tekoälymenetelmiä ei ole vielä kovinkaan laajasti hyödynnetty. Olemme kuitenkin tutkineet tekoälymenetelmien soveltamista PET-kuvantamiseen jo vuodesta 2019, jolloin aloitimme yhteistyön koneoppimiseen erikoistuneen japanilaisen tutkimusryhmän kanssa. Yhteistyömme keskittyy syväoppimismenetelmien tutkimiseen ja soveltamiseen PET-kuvantamisessa. Hiljattain päättynyt vuoden mittainen tutkijavaihtoni Nara Institute of Science and Technologyssa antoi mahdollisuuden kehittää alustavia menetelmiä ja soveltaa näitä PET-kuvadatalle – tutkimushankkeemme on suoraa jatkoa tälle yhteistyölle.
Apua myös diagnostiikkaan
Tekoälyn soveltamisesta on paljon hyötyä PET-kuvantamisessa ja diagnostiikassa sekä erityisesti analyysiketjun automatisoinnissa. Tekoälymalleja voidaan soveltaa esimerkiksi mielenkiintoalueiden automaattiseen määrittelyyn (kuvien segmentointi), fysiologisten parametrien, kuten veren virtauksen, mallintamiseen (datan mallinnus) sekä automaattiseen diagnostiikkaan monenlaisesta datasta (tulosten luokittelu). Nämä nopeuttavat ja tehostavat kliinistä työskentelyä ja saattavat johtaa myös analyysien parempaan toistettavuuteen.
Nykyisin mallien yhteyteen on mahdollista sisällyttää tekniikoita, joiden avulla mallin tuottamia ennusteita ja mallin käyttäytymistä on mahdollista selittää ihmiselle ymmärrettävällä tavalla. Tämä auttaa tekoälymallin tulkinnassa – toisin kuin ”musta laatikko” -malli, jossa päätösketju ja perustelut päätöksille jäävät hämäräksi.
Menetelmäkehityksen lisäksi yhtenä projektin tavoitteena on löytää tapoja, joilla kehitetyt mallit ovat helposti tulkittavissa ja selitettävissä. Näin tekoälyn tuottama lopputulos on aina käyttäjän varmistettavissa ja tulkittavissa, mikä on ensiarvoisen tärkeää diagnostisissa tutkimuksissa.
Tekoäly analysoinnin automatisoinnissa
Tässä projektissa kehitämme ja sovellamme syväoppimismalleja PET-perfuusioanalyysiketjun automatisointiin. Malleja kehitetään kuvasegmentointiin, datan mallinnukseen ja luokitteluun. Lisäksi vertailemme mallien perusteella johdettuja tuloksia kliinisestä analyysistä saatuihin tuloksiin, jotta saamme tietoa mallien tarkkuudesta ja toiminnasta. Tällä tavalla voimme saada koko analyysiketjusta nopeamman, toistettavamman ja tarkemman. Tavoitteenamme on integroida kehitetyt työkalut osaksi Turun PET-keskuksessa kehitettyä Carimas-ohjelmistoa.
Ilman apurahaa tätä tutkimusta ei olisi voinut toteuttaa tässä laajuudessa ja aikataulussa. Kiitos Sakari Alhopuron säätiölle tieteen ja tutkimuksen tukemisesta!
Lääketieteellisen fysiikan ja tekniikan tohtori Jarmo Teuho työskentelee tutkijana valtakunnallisessa PET-keskuksessa. Hän väitteli vuonna 2018 PET-/MR-kuvantamisesta, ja vuonna 2021 hänelle myönnettiin lääketieteellisen kuvantamisen, fysiikan ja tekniikan dosentuuri Turun yliopistosta. Teuho on ollut kahdesti tutkijavierailulla Japanissa: Nara Institute of Science and Technlogyssä Narassa ja National Cereberal and Cardiovascular Research Centressä Osakassa. Parhaillaan hän tekee tutkimusryhmänsä kanssa PET-kuvantamiseen liittyvää teknistä menetelmätutkimusta, johon sisältyvät myös koneoppimismenetelmät.
Viitteet:
https://www.duodecimlehti.fi/duo15556