Jyväskylän yliopiston informaatioteknologian tiedekunnan AI Hub Keski-Suomi -hankkeessa kehitettiin tekoälypohjainen työkalu, joka automatisoi suolistosyöpään liittyvän elinaikaa ennustavan tekijän määrittämisen. Laskeakseen ennustekijän, tekoälyn oli ensin opittava tunnistamaan eri kudostyyppejä, missä se onnistui 96 % tarkkuudella.
Suolistosyöpä on maailmanlaajuisesti katsottuna toiseksi yleisin kuolemaan johtava syöpä heti keuhkosyövän jälkeen. Diagnoosin saatuaan, suomalaisen potilaan 5-vuotiselossaoloennuste on noin 68 % luokkaa. Tekoälyn on toivottu jo pitkään tuovan apua niin syöpätutkimukseen kuin käytännön syöpädiagnostiikkaankin. Siitä on tullut suosittu kehityskohde lääketieteellisen kuvantamisen saralla, myös patologiassa.
Hankkeessa kehitetty neuroverkkomalli tunnisti kasvain- ja sidekudoksen 96 % tarkkuudella. Tunnistamisen jälkeen malli laski erään elinaikaa ennustavan tekijän, kasvaimen sidekudoksen määrän, ja oli patologin kanssa samaa mieltä kuudessa tapauksessa kymmenestä. Usean patologin keskinäinen yksimielisyys sidekudosprosenttia arvioidessa on samaa luokkaa.
– Patologit tekevät hyvin tärkeää työtä analysoidessaan kasvainten mikroskooppinäytteistä erilaisia kasvainkudosten ominaisuuksia. Työ tehdään silmämääräisesti, joten toistettavuus on haastavaa ja patologien keskinäiset arviot voivatkin poiketa hyvin paljon toisistaan, kehitystyöstä vastannut Liisa Petäinen AI Hub Keski-Suomi -hankkeesta kuvailee tämänhetkistä tilannetta.
Petäinen uskoo tekoälymenetelmien yleistymisen nopeuttavan tulevaisuudessa rutiininomaisten tehtävien hoitamista ja vapauttavan patologien aikaa vaativampien tapausten analysoimiseen.
– Myös hoitoonpääsy voi nopeutua, kun näytteiden käsittelyaika lyhenee.
Digitaalisesta patologiasta helpotusta käytännön työhön
Tekoälymallien potentiaali patologian alalla on merkittävä. Digitoiduissa mikroskooppikuvissa on valtavasti informaatiota, joka ulottuu jopa solunsisäisiin rakenteisiin saakka.
– Yhdistämällä kuvissa olevaan informaatioon muuta kliinistä potilasdataa, voidaan löytää sellaisia asioita, joita ihmiseltä jäisi huomaamatta ja näin parantaa hoidon tehokkuutta ja myös nopeuttaa hoitoon pääsyä, Petäinen kommentoi digitaalisten menetelmien potentiaalia.
Rutiinitehtävien automatisoinnilla voidaan tuoda huomattavaa helpotusta patologin työhön, vaikka lopullinen päätösvalta pysyykin patologilla.
Harmillisen ovela syöpä
Sidekudoksen suuri määrä kasvaimessa viittaa erityisesti rintasyövän ja suolistosyövän kohdalla potilaan kannalta huonoon ennusteeseen. Suolistosyöpä on siis valitettavan ovela ja käyttää häikäilemättä hyväkseen isäntänsä resursseja.
Sidekudoksen tapauksessa on todennäköistä, että kasvain ikään kuin valjastaa sidekudoksen käyttöönsä vahvistaen omaa kasvuaan. Useat eri tutkimukset ovatkin osoittaneet, että kasvaimen suuri sidekudosmäärä viittaa potilaan kannalta huonoon ennusteeseen.
Muun muassa näistä syistä patologi ja Keski-Suomen sairaanhoitopiirin tutkimusjohtaja Teijo Kuopio pitää syöpätauteihin ja patologiaan liittyvää tutkimus- ja kehitystyötä erityisen tärkeänä.
‒ Tekoälypohjaiset teknologiat auttavat tehtävien automatisoinnissa, jolloin voidaan lisätä diagnoosin toistettavuutta ja näytteiden analysoimisen nopeutta.
Menetelmä on kehitetty Euroopan aluekehitysrahaston rahoittamassa Jyväskylän yliopiston informaatioteknologian tiedekunnan AI Hub Keski-Suomi -hankkeessa, yhteistyössä Keski-Suomen sairaanhoitopiirin ja Keski-Suomen Biopankin kanssa.
Lähde: Jyväskylän Yliopisto / STT