Tekoälyn käyttö mammografiakuvien kuvanluennassa
Luukkonen, Anni (2024)
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-202401151427
https://urn.fi/URN:NBN:fi:amk-202401151427
Tiivistelmä
Tekoälyn käyttö on kasvanut mammografiakuvien kuvanluennassa viime vuosien aikana. Tutkimuksia aiheesta
on lähivuosina tehty useita ja tarve uusille tutkimuksille on, jotta tekoäly voidaan vakiinnuttaa mammografiakuvien kuvanluennan prosessiin. Tämän tutkimuksen tarkoituksena oli kuvailevan kirjallisuuskatsauksen
muodossa kuvailla tekoälyn käyttöä mammografiakuvien kuvanluennassa. Tavoitteena oli tuottaa tietoa tekoälyn käytöstä mammografiakuvien kuvanluennassa mammografian parissa työskenteleville ammattilaisille.
Tähän kuvailevaan kirjallisuuskatsaukseen valikoitui yhteensä 21 tutkimusartikkelia. Kaikki tutkimukset oli julkaistu vuonna 2023. Tutkimusartikkelit valittiin kahdesta tietokannasta, CINAHL Ultimatesta ja PubMedistä.
Aineisto analysoitiin induktiivisen sisällönanalyysin avulla.
Tekoälyn käytöstä mammografiakuvien kuvanluennassa on sekä hyötyä että haittaa. Tekoälyn ja radiologin
tekemä kuvanluenta on yhtä tarkkaa ja sensitiivistä, kuin kahden radiologin tekemä kuvanluenta seulontamammografiassa. Tekoälytyökalun käyttö vaikuttaa myös yksittäisen radiologin suoritukseen positiivisesti. Tekoäly havaitsi aiemmin ja tarkemmin erilaisia rintasyöpiä verrattuna radiologiin. Monen tutkimuksen mukaan
tekoälyllä on suuri vaikutus radiologien työkuorman ja kuvanlukuun kuluvan ajan vähentämiseen. Siksi sen
käyttö on perusteltua seulontamammografiakuvien kuvanluennassa, jossa kuvattavien määrä on suuri. Tekoälyn käyttö kuitenkin laski kuvanluennan spesifisyyttä ja lisäsi väärien positiivisten tulosten määrää.
Tämän kirjallisuuskatsauksen tulokset ovat linjassa muiden saman aiheen kirjallisuuskatsausten kanssa. Katsauksen aineistonhaun perusteella tekoälyn käyttöä mammografiakuvanluennassa on tutkittu paljon retrospektiivisellä tutkimusmenetelmällä. Jatkotutkimusideana olisi tutkia tekoälyn etiikkaa mammografiakuvien
kuvanluennassa tai radiologien/asiakkaiden oletuksia ja näkemyksiä tekoälyn käytöstä mammografiakuvien
kuvanlukijana. Tämän tutkimuksen tulokset voivat antaa näkökulmaa tekoälyn käyttöönotolle, sekä lisätä tietoa tekoälyn käytöstä mammografiakuvien kuvanluennassa mammografiakuvausten parissa työskenteleville. The use of artificial intelligence (AI) in mammogram image reading has increased in a couple of years. There
are many studies done on the use of AI in mammography during the last years and many more are on the
way. New studies are needed for validating the AI system in the mammogram image reading process. The
purpose of this thesis was to describe the use of AI in mammogram image reading, and to produce information about it to all professionals working with mammography.
The thesis was done as a narrative review. Twenty-one research articles published in 2023 were examined in
the thesis, and they were selected from two databases: CINAHL Ultimate and PubMed. The articles were analyzed using inductive content analysis.
There are advantages and disadvantages in the use of AI in mammogram image reading. The reading results
of AI compared to the reading results of a radiologist are as sensitive and accurate as the reading results of
two radiologists compared to each other. The use of AI system improved radiologists' performance. The AI
system detected different types of breast cancers earlier than radiologists. The use of AI reduced radiologists'
workload and reading time per mammogram image. This is why the use of AI should be concerned in screening mammography where the image volume is large. On the other hand, the use of AI decreases specificity
in image reading and increases false positive results.
The results of this review are in line with other literature reviews on the same topic. Based on literature research, the use of AI in mammogram image reading is a topic that has been researched a lot using a retrospective research method. The results of this thesis can give new aspects to the use of AI in mammography
and give more information about AI to all of them who are working in the field of mammography. Ideas for
future studies are to research ethics in the use of AI in mammogram image reading, and to survey opinions of
radiologists or patients about the use of AI in mammogram image reading.
on lähivuosina tehty useita ja tarve uusille tutkimuksille on, jotta tekoäly voidaan vakiinnuttaa mammografiakuvien kuvanluennan prosessiin. Tämän tutkimuksen tarkoituksena oli kuvailevan kirjallisuuskatsauksen
muodossa kuvailla tekoälyn käyttöä mammografiakuvien kuvanluennassa. Tavoitteena oli tuottaa tietoa tekoälyn käytöstä mammografiakuvien kuvanluennassa mammografian parissa työskenteleville ammattilaisille.
Tähän kuvailevaan kirjallisuuskatsaukseen valikoitui yhteensä 21 tutkimusartikkelia. Kaikki tutkimukset oli julkaistu vuonna 2023. Tutkimusartikkelit valittiin kahdesta tietokannasta, CINAHL Ultimatesta ja PubMedistä.
Aineisto analysoitiin induktiivisen sisällönanalyysin avulla.
Tekoälyn käytöstä mammografiakuvien kuvanluennassa on sekä hyötyä että haittaa. Tekoälyn ja radiologin
tekemä kuvanluenta on yhtä tarkkaa ja sensitiivistä, kuin kahden radiologin tekemä kuvanluenta seulontamammografiassa. Tekoälytyökalun käyttö vaikuttaa myös yksittäisen radiologin suoritukseen positiivisesti. Tekoäly havaitsi aiemmin ja tarkemmin erilaisia rintasyöpiä verrattuna radiologiin. Monen tutkimuksen mukaan
tekoälyllä on suuri vaikutus radiologien työkuorman ja kuvanlukuun kuluvan ajan vähentämiseen. Siksi sen
käyttö on perusteltua seulontamammografiakuvien kuvanluennassa, jossa kuvattavien määrä on suuri. Tekoälyn käyttö kuitenkin laski kuvanluennan spesifisyyttä ja lisäsi väärien positiivisten tulosten määrää.
Tämän kirjallisuuskatsauksen tulokset ovat linjassa muiden saman aiheen kirjallisuuskatsausten kanssa. Katsauksen aineistonhaun perusteella tekoälyn käyttöä mammografiakuvanluennassa on tutkittu paljon retrospektiivisellä tutkimusmenetelmällä. Jatkotutkimusideana olisi tutkia tekoälyn etiikkaa mammografiakuvien
kuvanluennassa tai radiologien/asiakkaiden oletuksia ja näkemyksiä tekoälyn käytöstä mammografiakuvien
kuvanlukijana. Tämän tutkimuksen tulokset voivat antaa näkökulmaa tekoälyn käyttöönotolle, sekä lisätä tietoa tekoälyn käytöstä mammografiakuvien kuvanluennassa mammografiakuvausten parissa työskenteleville.
are many studies done on the use of AI in mammography during the last years and many more are on the
way. New studies are needed for validating the AI system in the mammogram image reading process. The
purpose of this thesis was to describe the use of AI in mammogram image reading, and to produce information about it to all professionals working with mammography.
The thesis was done as a narrative review. Twenty-one research articles published in 2023 were examined in
the thesis, and they were selected from two databases: CINAHL Ultimate and PubMed. The articles were analyzed using inductive content analysis.
There are advantages and disadvantages in the use of AI in mammogram image reading. The reading results
of AI compared to the reading results of a radiologist are as sensitive and accurate as the reading results of
two radiologists compared to each other. The use of AI system improved radiologists' performance. The AI
system detected different types of breast cancers earlier than radiologists. The use of AI reduced radiologists'
workload and reading time per mammogram image. This is why the use of AI should be concerned in screening mammography where the image volume is large. On the other hand, the use of AI decreases specificity
in image reading and increases false positive results.
The results of this review are in line with other literature reviews on the same topic. Based on literature research, the use of AI in mammogram image reading is a topic that has been researched a lot using a retrospective research method. The results of this thesis can give new aspects to the use of AI in mammography
and give more information about AI to all of them who are working in the field of mammography. Ideas for
future studies are to research ethics in the use of AI in mammogram image reading, and to survey opinions of
radiologists or patients about the use of AI in mammogram image reading.