Värjäysvaihteluja kestävät algoritmit syöpäkuvien analyysiin digitaalipatologiassa

Lääketieteellinen kuvantaminen ja kuvapohjaiset tietokoneavusteiset työkalut ja tekniikat ovat lupaavia syövän diagnosoinnissa, mutta teknisissä näkökohdissa, datan standardoinnissa sekä sääntely- ja eettisissä hyväksyntäprosesseissa on edelleen monia ratkaisemattomia haasteita. Kliinisen lääketieteen ja patologian haasteisiin kuuluu invarianttien ja epäherkkien menetelmien kehittämisen tarve. Nykyaikaisessa kliinisessä käytännössä digitaalinen patologia on tärkeä, sillä se mahdollistaa tehokkaan kuvien hallinnan ja analysoinnin kehittyneen teknologian avulla, joka ylittää perinteiset optisen mikroskopian menetelmät. Teknologinen kehitys ja kasvava painotus täsmä lääketieteeseen ovat mahdollistaneet kvantitatiivisten patologiaan liittyvien menetelmien kehittymistä. Näihin kuuluvat menetelmät, kuten digitaalipatologia ja tekoälyyn perustuvat ratkaisut, jotka mahdollistavat tiedon tutkimisen ja poimimisen tavoilla, joihin ihmisen visuaalinen havainnointikyky ei pysty.

Tässä väitöskirjassa Md. Ziaul Hoque keskittyy löytämään ratkaisuja kolmeen tutkimuskysymykseen, joihin on kehitetty algoritmeja jotka helpottavat värjättyjen kudosnäytteiden kuvien analysointia. Väitöskirjan tärkeimmät panokset voidaan luokitella kolmeen osaan: ensimmäinen osio keskittyy menetelmiin, jotka pystyvät kvantifioimaan histokemiallisten värjäysten yksittäiset komponentit ja helpottamaan värjäysvaihteluiden optimaalista poistamista. Toisessa osiossa etsitään ratkaisuja histopatologian kuvanrekisteröinnin haasteisiin minimoimalla laboratorioiden välisiä vaihteluita ja kohdistusvirheitä. Lopuksi kolmas osio keskittyy optimoimaan syövän luokittelua solujen tumien havaitsemisen ja solujen invaasiosyvyyden mittaamisen avulla. Ehdotettujen menetelmien suorituskykyarvioinnit on suoritettu perusteellisesti kahdeksalla tietojoukolla, ja menetelmämme ylittävät alan huipputekniikat useiden suorituskykymittareiden osalta. Tämä syöpäkuvien analyysitutkimus sisältää kehittyneiden algoritmien ja työkalujen kehittämistä, joilla tulee olemaan laajakantoisia vaikutuksia terveydenhuoltoon ja jotka luovat pohjan tehokkaammalle syövän hoidolle. Väitöskirjassa tehdyt havainnot toimivat perustana jatkotutkimuksille, jotka koskevat tekoälypohjaisten työkalujen soveltamista ja tulkittavuutta digitaalisen patologian ja tietokoneavusteisen syövän diagnostiikan tukena.

Tämä väitöskirjatyö toteutettiin Oulun yliopiston tieto- ja sähkötekniikan tiedekunnan Konenäön ja signaalianalyysin tutkimuskeskuksessa. Tätä tutkimusta rahoittivat Suomen Akatemian hankkeet Kohortti- ja biopankkiaineistojen yhdistäminen mahdollistaa terveen ikääntymisen tunnusmerkkien tunnistamisen sekä Suomen Akatemian 6G-lippulaivahanke.