Eturauhassyövän tunnistavan ja luokittelevan algoritmin validointi

Abstract

Tekoäly on kasvava ja monikäyttöinen apuväline terveydenhuollossa. Sen käytöllä voi saavuttaa kustannustehokkaita ja terveydenhuollon toimivuutta lisääviä tuloksia. Tekoälyä voidaan käyttää myös erityisesti kuvantamisessa laaja-alaisesti. Tekoälyä voidaan käyttää esimerkiksi löydösten diagnosoinnissa.

Tämän opinnäytetyön toimeksiantajana toimii suuri suomalainen terveysalan toimija. Tämän opinnäytetyön tarkoituksena on validoida tekoälysovelluksen, jota toimeksiantaja on ottamassa käyttöön, toimivuutta ja luotettavuutta erityisesti toimeksiantajan käyttötarpeisiin. Tekoälysovellus tunnistaa ja luokittelee eturauhassyövän magneettikuvista. Tavoitteena on onnistua mittaamaan sovelluksen toimivuutta niin, että tulosten perusteella toimeksiantaja voi arvioida omaa käyttötarvettaan sovellukselle sekä arvioida sovelluksen luotettavuutta ja toimivuutta omassa käytössään.

Opinnäytetyö toteutettiin tapaustutkimuksena. Työssä käytettiin toimeksiantajan dataa, jonka avulla arvioitiin tekoälysovelluksen toimivuutta. Datan analysointiin käytettiin Python-ohjelmointikieltä.

Tutkimuksen tuloksien mukaan tekoälysovellus sopii radiologin käyttöön lisätyökaluksi eturauhassyövän magneettikuvien diagnosointiin, muttei itsessään riitä eturauhassyövän diagnosoimiseksi. Tutkimuksessa käytetyn datan epätasapainoisuuden vuoksi tutkimus ei kuitenkaan täysin riitä tekoälysovelluksen toimivuuden arvioimiseksi. Jatkokehityksenä vastaavanlaista sovelluksen toimivuuden arviointia voitaisiin tehdä suuremmalla ja tasapainoisemmalla datalla.

Artificial intelligence is a growing and multi-functional tool in healthcare. Healthcare industry can grow to be more cost-efficient and practical by using artificial intelligence. Especially in imaging, artificial intelligence can be used widely for example in lesion detection.

This thesis was made for a large Finnish healthcare organization. The thesis work was carried out as a case study. The study was made by using data from the client organization and Python to analyze it. The purpose of this study was to evaluate functionality of an artificial intelligence-based software, which detects lesions from prostate MRI images. The goal was to measure the function ality of the software so that the client organization can rate the need for it and to evaluate its functionality in clinical use.

The software turned out to be a good tool to support radiologists with diagnostics, but it cannot be used as itself to diagnose prostate cancer. For more reliable and better results for this software a study with more balanced data should be made.