Savonia-artikkeli: Tekoälystä apua mammografiakuvien kuvanluennan tueksi
Tekoälyn käyttö terveydenhuollossa on kasvamassa vuosi vuodelta ja sen avulla voidaan uudistaa vauhdilla diagnostiikkaa ja hoitoa. Se ei vain paranna nykyisiä käytäntöjä, vaan luo uusia mahdollisuuksia. Kuvantamisteknologiat hyötyvät tekoälyn kyvystä analysoida ja tutkia monimutkaista kuvadataa. Kuvantamisessa tekoälyä on hyödynnetty jo pidempään muun muassa erilaisten mallinnuksien tekemisessä tietokonetomografia ja magneettikuvauksissa. Tekoälyn käyttö on yleistymässä myös lääketieteellisten kuvien kuvanluennan tukena.
Vuosittain Suomessa todetaan rintasyöpä yli 5000 naisella. Rintasyövän diagnosointiin käytetään apuna mammografiatutkimusta eli rintojen alueen röntgenkuvausta. Suomessa järjestetään rintasyöpäseulontaa 50–69- vuotiaille naisille kahden vuoden välein ja esimerkiksi vuonna 2020 rintasyöpäseulontoihin osallistui hieman alle 300 000 henkilöä. Seulontamammografiassa rintasyöpä löydetään usein hyvin varhaisessa vaiheessa ennen oireiden ilmaantumista. Jopa 40 prosenttia rintasyövistä löytyykin juuri seulontamammografian yhteydessä.
Seulontamammografiat työllistävät useita röntgenhoitajia ja radiologeja niin Suomessa kuin maailmalla. Pula radiologeista edellyttää tulevaisuudessa uusien ratkaisujen löytämistä, sillä seulontamammografiakuvien kuvanluenta työllistää radiologeja täysipäiväisesti. Yksi keino voisi löytyä tekoälyavusteisen kuvanluennan käyttöönotosta.
Tekoälyn käyttöä mammografiakuvien kuvanluennassa on lähivuosina tutkittu paljon ympäri maailmaa. Tekoälyn rooli mammografiakuvauksissa on kasvanut viime vuosien aikana. Sitä voidaan käyttää itsenäisenä diagnosointimenetelmänä ja se voi seulontamammografiassa mahdollisesti korvata toisen radiologin kokonaan
Tekoäly suoriutuu kuvanluennasta yhtä hyvin kuin radiologi ja on hyvä havaitsemaan kuvista erilaisia muutoksia
Tekoälyn suoritus itsenäisenä kuvanlukijana seulontamammografiatutkimuksissa on vähintään yhtä hyvää kuin radiologin suoritus. Seulontamammografiassa käytetyt tekoälysovellukset havaitsivat paremmin erityyppisiä syöpiä kuin radiologit. Syövät havaittiin myös aikaisemmassa vaiheessa. Tekoäly on hyvä havaitsemaan ja luokittelemaan myös muita muutoksia kuin syöpiä, kuten kalkkeumia ja hyvänlaatuisia muutoksia. Tiheiden rintakudosten luokittelussa ja niistä löytyvien syöpien havaitsemisessa tekoälyn on todettu olevan parempi kuin radiologin.
Tekoälyn käytössä on kuitenkin myös haittapuolia. Tekoälyn käytön on muun muassa huomattu pienentävän kuvanluennan spesifisyyttä ja toisaalta lisäävän väärien positiivisten havaintojen määrää, sekä jatkotutkimuksiin kutsuttavien potilaiden määrää.
Radiologien suoritus paranee ja työkuorma vähenee tekoälyn ansiosta
Tekoälytyökalun käyttö parantaa radiologin yleistä suorituskykyä. Etenkin tarkkuus ja sensitiivisyys paranivat tekoälytyökalun käytön myötä. Seulontamammografiatutkimuksien kuvanluennan vaiheessa radiologien työtaakka on suuri, johtuen suuresta määrästä kuvattavia henkilöitä. Tekoälyn avulla radiologin työtaakkaa pystytään vähentämään. Tekoäly voi korvata toisen radiologin työpanoksen ensimmäisessä kuvanluvun vaiheessa. Sitä voidaan myös käyttää työkaluna, jolloin se identifioi kaikki puhtaat mammografiakuvat pois radiologien työlistoilta. Tekoälyn todettiin myös vähentävän kuvanluentaan kuluvaa aikaa.
Tekoälyn käytöstä seulontamammografian tukena on siis niin hyötyä kuin haittaa. Hyötyjä näyttäisi kuitenkin olevan enemmän kuin haittoja. Tulevaisuudessa tekoälyn käytölle on näyttöä varsinkin seulontamammografiakuvien kuvanluennan apuna. Sillä saataisiin parannettua kuvanluennan spesifisyyttä ja tarkkuutta, sekä vähennettyä radiologien työtaakkaa, sekä kuvanlukuun kuluvaa aikaa.
Artikkeli perustuu Anni Luukkosen opinnäytetyöhön Tekoälyn käyttö mammografiakuvien kuvanluennassa 2024: https://urn.fi/URN:NBN:fi:amk-202401151427
Kirjoittajat:
Anni Luukkonen, digitalisaation asiantuntija sosiaali- ja terveysalalla YAMK-opiskelija
Liisa Klemola, Lehtori, FT, Savonia-ammattikorkeakoulu, jatkuvan oppimisen yksikkö, Master School, Kuopio
Elisa Snicker, lehtori, KTM, TtM, Savonia-ammattikorkeakoulu, jatkuvan oppimisen yksikkö, Master School, Kuopio