Suomalaistutkijoiden kehittämä syväoppimismalli tunnistaa tarkasti diabeteksen aiheuttamia silmäsairauksia
Uusi syväoppimismalli tunnistaa täsmällisesti diabeettisen retinopatian eli silmän verkkokalvosairauden ja sen aiheuttaman makulaturvotuksen vakavuusasteen. Tutkimustulokset on julkaistu Nature Scientific Reportsissa.
Syväoppimismalli tunnisti verkkokalvosairauden vähintään yhtä hyvin tai jopa paremmin kuin aiemmissa tutkimuksissa kehitetyt vastaavat mallit, vaikka mallin kouluttamiseen käytettiin vain 29 000 kuvan aineistoa. Malli tunnisti sairauksia täsmällisemmin, kun koulutuksessa hyödynnettiin korkealaatuisia ja -resoluutioisia kuvia diabetespotilaiden silmänpohjista.
”Mallista voisi rakentaa automatisoidun tunnistusmenetelmän, joka joko tukisi lääkäreiden työtä tai toimisi itsenäisempänä diagnosointityökaluna”, sanoo tutkija Jaakko Sahlsten.
Tutkimustulokset viittaavat siihen, että syväoppimisen avulla diabetekseen liittyvien silmäsairauksien seulontaa ja diagnosointia voitaisiin tehostaa. Järjestelmää voitaisiin soveltaa kliinisissä tutkimuksissa, jotka vaativat tarkkaa luokittelua.
”Tällä hetkellä lääkärit katsovat silmänpohjakuvat tietokoneelta, ja tekevät päätöksen erikoislääkärin lähetteestä diabeettisen retinopatian luokitteluasteikon ja kokemuksensa perusteella. Tälle seulontaprosessille on asetettu tarkat ohjeistukset tarkkuuden suhteen esimerkiksi Suomessa ja Englannissa, jotka malli myös ylittää korkealla marginaalilla”, jatkaa tutkija Joel Jaskari.
Silmän verkkokalvosairaus on yksi yleisimmistä diabeteksen liitännäissairauksista, joka voi hoitamattomana johtaa vakavaan näön heikkenemiseen ja jopa silmän sokeutumiseen. Tällä hetkellä diabeteksen aiheuttamien silmäsairauksien tunnistamiseen käytetään yleensä silmänpohjan tai verkkokalvon kuvantamista, ja taudin vakavuuden ja asteen arvioi lääkäri.
Diabetes on kaikkialla maailmassa ilmenevä sairaus. Se yleistyy nopeasti, minkä vuoksi myös silmänpohjan ja verkkokalvon kuvantamisten määrä kasvaa. Tämä lisää terveydenhuollon ammattilaisten työtaakkaa sekä terveydenhuollon kustannuksia. Automatisoitu tunnistusmenetelmä, joka joko tukisi ammattilaisten työtä tai toimisi varsinaisena diagnosointityökaluna, helpottaisi tilannetta.
”Suomalaisen terveydenhuollon korkealaatuiset arkistoidut kuvamateriaalit ovat mahdollistaneet tämän työn ja kannustavat tutkimaan tekoälypohjaisten ratkaisujen soveltuvuutta diabeteeksen liittyviin ja liittymättömiin sairauksiin ja komplikaatioihin", toteaa professori Kimmo Kaski.
Tutkimusryhmään kuului tutkijoita Aalto-yliopiston tietotekniikan laitokselta, Suomen tekoälykeskuksesta (FCAI, Finnish Center for Artificial Intelligence) ja lääkäreille silmäsairauksien seurantapalveluita tuottavasta Digifundus-yrityksestä ja Keski-Suomen keskussairaalasta.
Linkki tutkimusartikkeliin:
äپdz
Lue lisää uutisia
Merkittävä EU-rahoitus kahdelle Unite! Seed Fund -hankkeelle, joissa Aalto on mukana
Kaksi arvostettua EU-rahoitusta on myönnetty hankkeille, joita on alun perin tuettu Unite! Seed Fund -rahoituksella. Aalto-yliopisto on mukana molemmissa hankkeissa.
Miljoonarahoitus uuden sukupolven koneteknologian kehittämiseen – tavoitteena tuottavuusloikka useilla vientialoilla
BEST-hankkeessa kehitetään uudenlaisia tiiviste-, laakerointi- ja vaimennusteknologioita useiden teollisuudenalojen käyttöön.
TAIMI-hanke rakentaa tasa-arvoista työelämää – kuusivuotinen konsortiohanke etsii ratkaisuja rekrytoinnin ja osaamisen haasteisiin
Tekoäly muuttaa osaamistarpeita, väestö ikääntyy ja työvoimapula syvenee. Samalla kansainvälisten osaajien potentiaali jää Suomessa usein hyödyntämättä. Näihin työelämän haasteisiin vastaa Strategisen tutkimuksen neuvoston rahoittama kuusivuotinen TAIMI-hanke, jota toteuttaa laaja konsortio.