Polvinivelrikko ja sen toteamiseen sekä etenemisen ennustamiseen kehitetyt tekoälysovellukset
Vorimo, Timi (2022-06-01)
Vorimo, Timi
T. Vorimo
01.06.2022
© 2022 Timi Vorimo. Ellei toisin mainita, uudelleenkäyttö on sallittu Creative Commons Attribution 4.0 International (CC-BY 4.0) -lisenssillä (https://creativecommons.org/licenses/by/4.0/). Uudelleenkäyttö on sallittua edellyttäen, että lähde mainitaan asianmukaisesti ja mahdolliset muutokset merkitään. Sellaisten osien käyttö tai jäljentäminen, jotka eivät ole tekijän tai tekijöiden omaisuutta, saattaa edellyttää lupaa suoraan asianomaisilta oikeudenhaltijoilta.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:oulu-202206012506
https://urn.fi/URN:NBN:fi:oulu-202206012506
Tiivistelmä
Nivelrikko on maailman yleisin tuki- ja liikuntaelimistön sairaus, joka aiheuttaa yksilötasolla paljon toimintakyvyn alenemaa, kipua sekä yhteiskunnallisesti suuria sosioekonomisia kustannuksia. Nivelrikko affisioi erityisesti kättä, lonkkaa ja polvea. Nivelrikko on koko nivelen tauti, jota yleisesti kuvataan nivelruston ja siihen liittyvien kudosten etenevänä rappeutumana ja degeneraationa. Polvinivelrikon diagnoosi voidaan asettaa kliinisin perustein ja tarvittaessa kuvantamistutkimuksia käytetään diagnoosin vahvistamisessa. Kuvantamistutkimuksista natiiviröntgentutkimus on ensisijainen ja sen avulla pystytään asettamaan polvinivelrikon radiologinen vaikeusaste.
Nivelrikon etiologia ja patogeneesi ovat vielä huonosti ymmärrettyjä, mikä puolestaan tekee taudin ennustamisesta haasteellista perinteisillä menetelmillä kuten kliinisellä arviolla tai kuvantamistutkimuksilla. Tämä viittaa vahvasti tarpeeseen kehitellä uusia työkaluja polvinivelrikon varhaiseen tunnistamiseen ja prognoosin luomiseen. Tietokoneiden laskentatehon lisääntymisen myötä on viime vuosikymmenen aikana kehitelty uusia tekoälysovelluksia hyödyntäen koneoppimismenetelmiä, joiden kehittyneempi muoto on syväoppiminen. Näiden avulla on pystytty automaattisesti luomaan arvio polvinivelrikon vakavuusasteesta ja jopa tarjoamaan ennuste taudin etenemisestä.
Tämä tutkielma keskittyy kuvaamaan polvinivelrikon diagnostiikkaan ja ennusteen määrittämiseen käytettyjä uusia syväoppimismenetelmällä ohjelmoituja tekoälysovelluksia. Erityisesti tutkielmassa käsitellään Oulun yliopistossa polvinivelrikon diagnostiikkaan ja prognoosiin kehiteltyjä uusia tekoälysovelluksia, jotka ovat alallansa uraauurtavia. Tutkielmassa pohditaan ja esitetään, kuinka näitä sekä muita aiemmin kehiteltyjä tekoälyohjelmia voitaisiin integroida kliiniseen kontekstiin yleis- ja erikoislääkäreiden työssä ja kuinka niillä on mahdollisuus parantaa polvinivelrikosta kärsivien potilaiden hoidonsuunnittelua ja ennaltaehkäisyä.
Nivelrikon etiologia ja patogeneesi ovat vielä huonosti ymmärrettyjä, mikä puolestaan tekee taudin ennustamisesta haasteellista perinteisillä menetelmillä kuten kliinisellä arviolla tai kuvantamistutkimuksilla. Tämä viittaa vahvasti tarpeeseen kehitellä uusia työkaluja polvinivelrikon varhaiseen tunnistamiseen ja prognoosin luomiseen. Tietokoneiden laskentatehon lisääntymisen myötä on viime vuosikymmenen aikana kehitelty uusia tekoälysovelluksia hyödyntäen koneoppimismenetelmiä, joiden kehittyneempi muoto on syväoppiminen. Näiden avulla on pystytty automaattisesti luomaan arvio polvinivelrikon vakavuusasteesta ja jopa tarjoamaan ennuste taudin etenemisestä.
Tämä tutkielma keskittyy kuvaamaan polvinivelrikon diagnostiikkaan ja ennusteen määrittämiseen käytettyjä uusia syväoppimismenetelmällä ohjelmoituja tekoälysovelluksia. Erityisesti tutkielmassa käsitellään Oulun yliopistossa polvinivelrikon diagnostiikkaan ja prognoosiin kehiteltyjä uusia tekoälysovelluksia, jotka ovat alallansa uraauurtavia. Tutkielmassa pohditaan ja esitetään, kuinka näitä sekä muita aiemmin kehiteltyjä tekoälyohjelmia voitaisiin integroida kliiniseen kontekstiin yleis- ja erikoislääkäreiden työssä ja kuinka niillä on mahdollisuus parantaa polvinivelrikosta kärsivien potilaiden hoidonsuunnittelua ja ennaltaehkäisyä.
Kokoelmat
- Avoin saatavuus [31928]