Tekoälyn hyödyntäminen lääketieteellisessä kuvantamisessa
Kerola, Essi (2025-03-03)
Tekoälyn hyödyntäminen lääketieteellisessä kuvantamisessa
Kerola, Essi
(03.03.2025)
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
suljettu
Julkaisun pysyvä osoite on:
https://urn.fi/URN:NBN:fi-fe2025030415820
https://urn.fi/URN:NBN:fi-fe2025030415820
Tiivistelmä
Kuvantaminen on lääketieteen tärkeä osa-alue, jonka avulla saadaan tietoa potilaan kehosta ilman kirurgisia toimenpiteitä. Se mahdollistaa sairauksien varhaisen diagnosoinnin, ja tietojen perusteella voidaan suunnitella potilaalle tarpeenmukainen hoito. Kuvien avulla voidaan myös seurata potilaan tilaa monissa sairauksissa. Kuvantamismenetelmiä ovat esimerkiksi röntgenkuvaus, magneettikuvaus sekä tietokonetomografia, joilla kaikilla on omat käyttötarkoituksensa. Röntgenkuvaus on nopea ja edullinen menetelmä, jolla voidaan tarkastella luustoa ja keuhkoja, kun taas magneettikuvaus on erinomainen pehmytkudoksia tarkasteltaessa. Tietokonetomografiaa käytetään silloin, kun halutaan tarkkaa kolmiulotteista kuvausta esimerkiksi kasvainten arvioinnissa.
Osassa kuvantamismenetelmistä käytetään ionisoivaa säteilyä, joka itsessään aiheuttaa soluvaurioita. Jo pienikin altistus lisää syöpäriskiä. Erityisesti lapset ja nuoret ovat alttiita säteilyn haittavaikutuksille, sillä säteily vaikuttaa eniten nopeasti jakautuviin soluihin, ja lasten solut jakautuvat nopeammin kuin aikuisten. Haasteena on löytää tasapaino kuvanlaadun ja potilasturvallisuuden välillä, sillä lyhyemmällä kuvantamisajalla voisi pienentää säteilyannosta, mikä taas heikentää kuvanlaatua. Kuvia otettaessa joudutaan miettimään, ovatko kuvauksesta saadut hyödyt suurempia kuin haitat. Monet potilaat kuvataan useita kertoja vuodessa.
Tekoälyn avulla kuvia voidaan analysoida entistä tarkemmin ja nopeammin. Samalla voidaan vähentää kuvantamiseen liittyviä haittoja ja kustannuksia. Erityisesti syväoppimiseen perustuvat algoritmit tarjoavat uusia mahdollisuuksia. Syväoppiminen perustuu monikerroksisten neuroverkkojen käyttöön, jotka pystyvät oppimaan datasta itsenäisesti. Ne voivat havaita kuvista poikkeamia, joita perinteiset algoritmit eivät välttämättä huomaa. Tekoäly on nopeampi ja tarkempi kuin ihmissilmä, mutta sen käyttöön liittyy riskejä, kuten esimerkiksi mahdollinen syrjintä ja eettiset kysymykset.
Tässä kirjallisuuskatsauksessa tarkastellaan tekoälyn keinoja, joita hyödynnetään kuvantamisen osa-alueella. Tarkoituksena on selvittää, millä tasolla tekoälyä käytetään nykyään, mitä haasteita siihen liittyy ja millaiset ovat tulevaisuudennäkymät.
Osassa kuvantamismenetelmistä käytetään ionisoivaa säteilyä, joka itsessään aiheuttaa soluvaurioita. Jo pienikin altistus lisää syöpäriskiä. Erityisesti lapset ja nuoret ovat alttiita säteilyn haittavaikutuksille, sillä säteily vaikuttaa eniten nopeasti jakautuviin soluihin, ja lasten solut jakautuvat nopeammin kuin aikuisten. Haasteena on löytää tasapaino kuvanlaadun ja potilasturvallisuuden välillä, sillä lyhyemmällä kuvantamisajalla voisi pienentää säteilyannosta, mikä taas heikentää kuvanlaatua. Kuvia otettaessa joudutaan miettimään, ovatko kuvauksesta saadut hyödyt suurempia kuin haitat. Monet potilaat kuvataan useita kertoja vuodessa.
Tekoälyn avulla kuvia voidaan analysoida entistä tarkemmin ja nopeammin. Samalla voidaan vähentää kuvantamiseen liittyviä haittoja ja kustannuksia. Erityisesti syväoppimiseen perustuvat algoritmit tarjoavat uusia mahdollisuuksia. Syväoppiminen perustuu monikerroksisten neuroverkkojen käyttöön, jotka pystyvät oppimaan datasta itsenäisesti. Ne voivat havaita kuvista poikkeamia, joita perinteiset algoritmit eivät välttämättä huomaa. Tekoäly on nopeampi ja tarkempi kuin ihmissilmä, mutta sen käyttöön liittyy riskejä, kuten esimerkiksi mahdollinen syrjintä ja eettiset kysymykset.
Tässä kirjallisuuskatsauksessa tarkastellaan tekoälyn keinoja, joita hyödynnetään kuvantamisen osa-alueella. Tarkoituksena on selvittää, millä tasolla tekoälyä käytetään nykyään, mitä haasteita siihen liittyy ja millaiset ovat tulevaisuudennäkymät.