Todennäköisesti jokainen meistä on lyönyt päänsä, monet jopa hengenvaarallisesti, mutta tiesitkö, että keskimäärin 10–20 prosenttia aivoverenvuodoista jää huomaamatta? Näistä tapauksista jopa yli kolme neljäsosaa on johtanut kuolemaan.
Suomessa tehdään vuosittain noin 140 000 pään tietokonetomografiatutkimusta, joista päivystystapauksissa tutkitaan useimmiten aivoverenvuotojen mahdollisuutta. Aivoverenvuotoja on viittä eri tyyppiä ja niiden todentaminen on haastavaa jopa kokeneelle asiantuntijalle, koska ne voivat olla kooltaan pieniä sekä helposti uusiutuvia. Erityisen vaikea tilanne on yöpäivystyksissä, joissa radiologeja ei ole paikalla ja vähemmän kokeneet ammattilaiset joutuvat tekemään arvion. Jokainen aamuun asti odotettu arvio lisää riskejä entisestään.
HUS päätti selvittää, voisiko tekoäly auttaa aivoverenvuotojen tunnistamisessa ja kutsui paikalle CGI:n datatieteilijät. Tulokset avasivat ennennäkemättömiä mahdollisuuksia jo ensimmäisessä tutkimusvaiheessa.
Tutkimusstrategiaksi valittiin eri aivoverenvuototyyppien tarkastelu neuroverkkojen avulla niiden esiintymisjärjestyksessä yleisimmästä alkaen. Kun analyysit on todettu riittävän luotettaviksi, ratkaisu otetaan kliiniseen käyttöön HUSilla. Tämän jälkeen tavoitteena on kehittää globaali pilvipalvelu, jonka analysoitavaksi voitaisi lähettää tietokonetomografiakuvia mistä ja milloin tahansa.
Koska magneettikuvaus ei voi korvata tietokonekerroskuvausta, eikä perinteinen kuvankäsittely riitä tietokonekerroskuvien analysointiin, tarvitaan tekoälyä. Tekoäly opetettiin havaitsemaan pienimmätkin verenvuodot pikselitasolla. Jotta tämä olisi mahdollista, neuroverkkoon syötettiin riittävän suuri otos tomografiakuvia, joista osassa kysymyksessä on aivonverenvuoto ja osassa ei.
→ Potilas saapuu päivystysvastaanotolle iskusta seuraavan kovan päänsäryn takia
→ Potilaasta otetaan tomografiakuva
→ Radiologi suorittaa diagnoosin 10–20 % virhemarginaalilla
→ Potilas saapuu päivystysvastaanotolle iskusta seuraavan kovan päänsäryn takia
→ Potilas kuvataan, tulokset saadaan välittömästi ja potilas ohjataan oikeaan hoitoon
HUSin asiantuntijat merkitsivät neuroverkon opetusaineistona käytettäviin tomografiakuviin parhaan asiantuntemuksensa mukaan kaikki ne pikselit, joissa esiintyy verta. Keinoälyn prosessoitavaksi annettiin kerrallaan kaksi kuvaa – alkuperäinen ilman merkintöjä sekä vastaava kuva, jossa merkinnät verestä näkyvät. Tämän perusteella konvoluutioneuroverkko toteuttaa pikseleistä kuvamaskin, oppien tunnistamaan kuvissa esiintyvän veren. Mitä enemmän kuvia syötetään, sen tarkempi kuva-analytiikasta tulee.
Ensimmäinen tutkimusvaihe osoittaa lupaavia tuloksia: 960:sta tutkitusta kuvasta, joissa aivoverenvuotoa ei esiintynyt, tekoäly antoi oikean vastauksen kahden prosentin virhemarginaalilla, ja 28 todetussa aivoverenvuototapauksessa joka kerta. Kaiken lisäksi tekoäly suorittaa diagnoosin sekunnin murto-osissa, säästäen onnistuneen hoidon kannalta kriittistä aikaa. Tulokset antavat riittävän luotettavat lähtökohdat kliiniseen käyttöön.
