Koneoppimissovelluksia kalkkeutuneiden kudosten tietokonetomografiaan

Santeri Rytkyn väitöskirjassa kehitettiin tekoälymenetelmien koekappaleita nivelrikon perustutkimukseen sekä kalkkeutuneiden kudosten tietokonetomografiaan (TT), eli kolmiulotteiseen röntgenkuvaukseen. Nivelrikko on maailman yleisin nivelsairaus, joka vaikeuttaa miljoonien ihmisten elämää maailmanlaajuisesti. Esimerkiksi Suomessa taudin on arvioitu aiheuttavan yhteiskunnalle kustannuksia ja tulonmenetyksiä yhteensä lähes kahden miljardin euron edestä. Hampaiston sairaudet ovat myös erittäin yleisiä ja johtavat hoitamattomina kalliisiin toimenpiteisiin. Niveliä ja hampaistoa voidaan kuvata sairaalassa tarkoilla TT-laitteilla, mutta uusimmatkaan laitteet eivät kykene erottamaan mikroskooppisia kudosvaurioita.

Tutkimuksen alkupuolella kehitettiin tekoälymenetelmiä, jotka analysoivat tarkkoja mikro-TT-kuvia. Ensimmäinen menetelmä arvioi tautimuutoksia polvinivelen kudospalasista ja se voisi olla hyödyllinen nivelrikkolääkkeiden kehityksessä. Toisessa osassa tutkittiin jäniksen polvinivelen kalkkirustoa, joka on ohut kudosalue, joka kiinnittää nivelruston luuhun. Kalkkiruston parempi ymmärtäminen voisi auttaa hoitamaan tiettyjä nivelrikon muotoja, kuten luuhun ulottuvia rustovaurioita.

Väitöstutkimuksen uusin tekoälymenetelmä on tarkoitettu parantamaan kliinisten TT-laitteiden ottamien luu- ja hammaskuvien laatua. Tekoälymalli on opetettu tunnistamaan mikroskooppisia rakenteita ihmisen polvikappaleista ja poistettujen hampaiden mikro-TT-kuvista. Testivaiheessa malli tarkensi polven, ranteen, nilkan ja hampaiston TT-kuvia sairaaloissa käytettävillä laitteilla ja ennustekuvat näyttävät lupaavilta. Koska tavoitteena on ennustaa tarkempia kuvia kuin sairaaloiden TT-laitteet kykenevät ottamaan, testikuvien arviointi on haastavaa ja vaatii jatkotutkimusta. Muutamat laitevalmistajat ovat jo julkaisseet kaupallisia kuvanparannusohjelmistoja, ja menetelmillä voi olla tulevaisuudessa paljon käyttökohteita tarkemmissa taudinmäärityksissä ja hoitosuunnitelmissa sekä potilaiden säderasituksen vähentämisessä. Yhteenvetona, väitöstutkimuksen tulokset ottavat askelen kohti nivelrikon ymmärtämistä ja tarkempaa kalkkeutuneiden kudosten TT-kuvantamista.