Laskennalliset menetelmät uudistavat patologiaa

Alaa tuntemattomalle patologia ei välttämättä tule aivan ensimmäisenä mieleen laskennallisten menetelmien ja tekoälyn kuumana sovelluskohteena. Kieltämättä allekirjoittaneellekin olisi teekkarivuosina tullut mieleen supertietokoneiden ja oppivien algoritmien sijaan ennemmin rikossarjojen kuvastosta tutut kelmeässä valossa uurastavat luusahat. Laskennallista patologiaa koskevaa väitöskirjatutkimusta tehdessä mielikuva on muuttunut rajusti – patologia jos mikä on ”isoa dataa” tuottava digitaalinen ala.

Digitointi tuottaa suuria kuva-aineistoja

Kudosnäytteiden patologinen analyysi on välttämätöntä monien sairauksien, kuten syöpien, diagnosoinnille. Kuten aiemmassa blogitekstissäni kirjoitin (https://tekniikanedistamissaatio.fi/tekoaly-auttaa-patologia/), perinteisesti patologiset näytteet on analysoinut alaan erikoistunut lääkäri mikroskoopin avulla. Patologin silmämääräisen arvion perusteella muodostetaan potilaan diagnoosi ja päätetään edelleen tarvittavasta hoidosta. Skannaamalla mikroskooppilasit korkean resoluution digitaalisiksi kuviksi niitä voidaan perinteisistä työtavoista poiketen käsitellä laskennallisesti. Viime vuosina yleistyneet digitaalipatologiset skannerit tuottavat valtavia määriä kuvadataa: esimerkiksi omassa tutkimuksessani käytetty aineisto koostui noin 13 terapikselistä, mikä vastaa karkeasti pitkälti yli miljoonaa tavanomaisella kameralla otettua valokuvaa. Erilaisia sairauksia edustavien solumuutosten väsymätön havaitseminen ja luokittelu suurista datamassoista on juuri sellainen tehtävä, johon tekoäly soveltuu hyvin.

Asiantuntijan tasoista tarkkuutta

Usean viime vuoden ajan tutkimusryhmämme on yhteistyössä ruotsalaisten tutkijoiden kanssa kehittänyt tekoälyjärjestelmää eturauhasyövän diagnostiikkaan. Tutkimus, joka muodostaa myös keskeisen osan omaa väitöskirjaani, julkaistiin tämän vuoden alussa The Lancet Oncology -tiedelehdessä (https://www.tuni.fi/fi/ajankohtaista/tekoaly-tunnistaa-eturauhassyovan). Tutkimuksessa, jonka tuloksia voi tarkastella interaktiivisesti osoitteessa https://tissuumaps.research.it.uu.se/sthlm3/index.html, osoitimme ensimmäistä kertaa, että tekoälypohjainen algoritmi kykynee diagnosoimaan eturauhasyöpää koepaloista yhtä hyvin kuin kokenut patologi. Vastaavia menetelmiä voidaan soveltaa muihinkin tauteihin ja muut tutkimusryhmät ovatkin saavuttaneet hyviä tuloksia esimerkiksi iho- ja rintasyöpien tapauksessa.

Suurteholaskenta avainroolissa

Entä miten supertietokoneet liittyvät asiaan? Nykyiset niin sanottuun syväoppimiseen perustuvat tekoälymenetelmät vaativat huomattavaa laskentakapasiteettia. Esimerkiksi eturauhassyöpätekoälyn kouluttaminen tavallisella kuluttajatietokoneella olisi vienyt vuosikausia – Tampereen tieteellisen laskennan keskus TCSC:n ja Tieteen tietotekniikan keskus CSC:n suurteholaskennan laitteistoilla laskenta-aika on kuitenkin vain päiviä. Voisi sanoa, että laskentaintensiivisten alojen suomalaisten tutkijoiden keskuudessa ollaan tällä hetkellä eräänlaisen kultaisen aikakauden kynnyksellä. Upouusi Puhti-supertietokone on jo ehtinyt päästä kovaan käyttöön minunkin tutkimuksessani, mutta vielä suurempi puheenaihe on nyt LUMI – supertietokone, joka peittoaa kaikki maailman nykyiset suurteholaskennan järjestelmät. Kajaaniin ensi vuonna asennettava kone luo varmasti ennennäkemättömiä mahdollisuuksia myös laskennallisessa patologiassa (kts. haastattelu https://www.lumi-supercomputer.eu/lumi-provides-new-opportunities-for-artificial-intelligence-research/).

Ratkaiseeko tekoäly patologipulan?

Väestön ikääntyminen on aiheuttamassa patologiassa kaksinkertaisen ongelman – samaan aikaan kun esimerkiksi syöpätaudit yleistyvät ja diagnostiikan tarve kasvaa, nykyinen pula patologeista pahenee eläköitymisten myötä. Potilaskäytössä tekoälymenetelmät voivat toivon mukaan nopeuttaa patologien työskentelyä, toimia potilasturvallisuutta parantavana varmuusmekanismina ja mahdollistaa näiden kriittisten analyysien suorittamisen myös siellä, missä asiantuntijoita ei aina ole riittävästi saatavilla. Seuraavaksi aionkin keskittyä tulosten luotettavuuteen ja epävarmuuksiin liittyviin kysymyksiin, jotka on vielä ratkaistava, ennen kuin panostukset tekoälytutkimukseen voivat tuottaa konkreettista hyötyä syöpäpotilaille.

Kirjoittaja on diplomi-insinööri, joka työskentelee väitöskirjatutkijana Tampereen yliopiston Lääketieteen ja terveysteknologian tiedekunnassa, Biokuvainformatiikan tutkimusryhmässä. Ryhmää johtaa apulaisprofessori Pekka Ruusuvuori. Kirjoittaja sai Tekniikan edistämissäätiöltä apurahan vuonna 2019.