University of Oulu

Tekoäly lääketieteellisessä kuvantamisessa : rintasyövän havainnointi mammografiakuvista

Saved in:
Author: Nevanranta, Eeva1
Organizations: 1University of Oulu, Faculty of Science, Physics
Format: ebook
Version: published version
Access: open
Online Access: PDF Full Text (PDF, 1.4 MB)
Pages: 25
Persistent link: http://urn.fi/URN:NBN:fi:oulu-202107018770
Language: Finnish
Published: Oulu : E. Nevanranta, 2021
Publish Date: 2021-07-01
Thesis type: Bachelor's thesis
Description:

Tiivistelmä

Tässä LuK -tutkielmassa tutkittiin tekoälyn soveltamista radiologiaan käyttämällä mammografiaa esimerkkitapauksena. Rintasyöpä on naisten yleisin syöpä, sekä Suomessa, että muualla maailmalla. Rintasyövän ennuste kuolleisuuteen pienenee merkittävästi varhaisen toteamisen ja potilaskohtaisen hoidon myötä. Suomessa järjestetään rintasyövän seulontoja kahden vuoden välein, joissa kuvataan rinta röntgensäteilyyn perustuvalla mammografialaitteella. Mammografiatutkimuksia tulee suhteellisen tiheästä seulontavälistä johtuen suuri määrä, joka on johtanut valtavaan resurssipulaan radiologeista ympäri maailmaa. Resurssipulaan on tarjottu apua koneavusteisesta diagnoosista, jossa kone lukisi radiologin puolesta kuvat. Koneavusteinen diagnoosi on kuitenkin sisältänyt monia ongelmia kliinisessä käytössä.

2010-luvulla neuroverkot, ihmisen aivojen toimintaa jäljittelevät keinotekoiset mallit, tekivät läpimurron ja ovat kehittyneet tähän päivään asti merkittävästi. Kirjallisuuden perusteella voitiin havaita, että syväoppiminen on mahdollistanut huomattavan parannuksen perinteiseen koneavusteiseen diagnoosiin. Monet tutkimukset ovat yltäneet jo radiologien tasolle ja radiologien rinnalla toimiessa jopa parempiin tuloksiin.

Vaikka neuroverkkojen, sekä kehittyneiden koneavusteisten diagnoosien avulla on saatu kehitettyä yhä parempia ja luotettavampia ohjelmia, on niiden kliiniseen käyttöön ottamisessa edelleen ongelmia. Poliittiset ja eettiset kysymykset esimerkiksi hoitovirheiden sattuessa ovat ratkaisematta, syväoppimisen luotettavuus ei ole vielä täysin ratkennut ja käytännön järjestelyt uupuvat. Ongelmien ratketessa syväoppiminen voisi olla kuitenkin ratkaisu resurssipulaan, hoitovirheiden vähenemiseen, sekä mahdollistamaan potilaskohtaisemman hoidon.

see all

Subjects:
Copyright information: © Eeva Nevanranta, 2021. This publication is copyrighted. You may download, display and print it for your own personal use. Commercial use is prohibited.