Tekoäly pystyy tunnistamaan kuvista normaalia anatomiaa ja löytää erilaisia poikkeavuuksia hampaiden, leukojen ja kasvojen alueella. Tekoälysovellukset ovat nopeita ja luotettavia rajatuissa tehtävissä, mutta menetelmien laajaan kliiniseen käyttöön on vielä matkaa. Tekoälystä on kuitenkin tulossa uusi työkalu hammaslääkäreille.
Radiologiassa keinotekoiset hermoverkot opetetaan tunnistamaan ja luokittelemaan kuvista tiettyjä piirteitä, kuten esimerkiksi anatomiaa ja poikkeavia löydöksiä. Nopea ja luotettava tiedonkäsittely ja muodontunnistus voi tehostaa hammaslääkärin toimintaa, vähentää inhimillisiä virheitä ja pienentää kustannuksia.
Tekoälyalgoritmit ovat osoittautuneet tehokkaiksi kapea-alaisissa tehtävissä. Hammasradiologiassa Suomessa on tehty merkittävää tekoälytutkimusta mm. pään ja leukojen alueen anatomian tunnistamisessa ja kallon mittasuhteista kertovien pisteiden paikannuksessa. Tekoälyä on esimerkiksi opetettu tunnistamaan alaleuan hermokanavan tarkka sijainti, mikä auttaa implanttien asentamisessa. Kallon mittasuhteiden tunnistus auttaa puolestaan oikomishoidossa.Lääketieteessä tekoälysovelluksia on testattu esimerkiksi rintasyöpäseulonnassa, kalloleikekuvien analysoinnissa, keuhkokuumeen tunnistamisessa ja myös COVID-19-keuhkokuumeen erottamisessa muista löydöksistä.
Rajatuissa tehtävissä tekoälyalgoritmit saavuttavat ihmisen tasoisen suorituskyvyn. Algoritmit eivät kuitenkaan pysty ihmisen kaltaiseen toiminnanohjaukseen ja päättelyyn, jossa asetetaan tavoitteita sekä suunnitellaan ja korjataan suunnitelmia.
– Tekoälyalgoritmit tulevat nopeuttamaan ja tehostamaan radiologin toimintaa, mutta eivät kokonaan korvaa radiologin asiantuntijatyötä, muistuttaa dosentti, radiologian erikoislääkäri Jussi Hirvonen.
Tutkimukset antavat kuitenkin jo nyt viitteitä siitä, että tekoäly voi nähdä asioita, joita ihmissilmä ei pysty tunnistamaan. Tämä voi auttaa lääkäreitä ja hammaslääkäreitä diagnostiikassa ja potilaan hoidossa tulevaisuudessa.
Radiologian alalla tekoälymenetelmien tutkimus on lisääntynyt viime vuosina merkittävästi, ja tutkimusnäyttöä sovelluksista kertyy jatkuvasti. Sovellusten validointi kliiniseen käyttöön edellyttää menetelmien vakautta, tarkkuutta, toistettavuutta ja yleistettävyyttä. Muutamia lääketieteen tekoälysovelluksia on jo saatu kliiniseen käyttöön Suomessakin, ja tutkittavana on useita.
– Tällä hetkellä ongelmana on, että tekoälysovellukset on tehty yleensä rajatuille kuvatyypeille, jolloin niitä ei välttämättä voida soveltaa yleisesti eri laitteilla otettuihin kuviin. Sovellukset ovat usein tarkkoja, mutta virheherkkyyttä ja yleistettävyyttä pitää tutkia laajoilla materiaaleilla, tarkentaa radiologian erikoishammaslääkäri Jorma Järnstedt.
– Suomessa on tärkeää panostaa tekoälykoulutukseen ja -tutkimukseen siten, että pysymme kehityksen aallonharjalla, sanoo Hirvonen.
Lähde: STT Info
