Konenäön soveltamismahdollisuudet kroonisten haavojen hoidossa

Abstract

Tässä opinnäytetyössä kartoitetaan konenäön soveltamismahdollisuuksia kroonisten haavojen hoidossa. Työ on toteutettu kirjallisuuskatsauksena, johon on koottu kansainvälisiä vertaisarvioituja artikkeleita.

Kroonisiin haavoihin liittyvät keskeisesti sekä inhimillinen kärsimys että pitkäkestoisten hoitojen aiheuttamat merkittävät kustannukset. Haavojen paranemisedellytyksiin vaikuttavat säännöllisen ja menetelmien osalta vakioidun seurannan toteutuminen sekä laadukkaaseen dokumentaatioon pohjautuva päätöksenteko.

Eri tutkimuksissa on verrattu tekoälyn ja konenäön suoriutumista kliinikoiden saamiin tuloksiin haavan koon ja haavapohjan eri kudostyyppien määrittämisessä. Näissä tehtävissä tekoälyn kanssa on saatu lupaavia tuloksia. Tutkimuksissa on kuitenkin todettu tekoälyyn perustuvien menetelmien olevan alttiita valaistusolosuhteiden ja kuvausetäisyyden vaihteluille.

Tekoälyn ja konenäön hyödyntäminen kroonisten haavojen hoidossa edellyttää määrällisesti suurta, sisällöltään kattavaa ja laadukasta opetusaineistoa. Kehitettävien ratkaisujen tulee myös olla helposti käyttöön otettavia ja vaihtelevissa ympäristöissä toimivia, jotta niiden käyttö voi vakiintua hoitotyön asiantuntijoiden työvälineenä.

This thesis explores the possibilities of applying computer vision in the treatment of chronic wounds. The work has been carried out as a literature review with international peer-reviewed articles.

Chronic wounds are associated with both human suffering and the significant costs of long-term treatments. The prerequisites for wound healing are affected by the implementation of regular and methodically standardised monitoring and decision-making based on high-quality documentation.

Various studies have compared the performance of artificial intelligence and computer vision with the results obtained by clinicians in determining wound size and different tissue types of the wound bed. These tasks with artificial intelligence have yielded promising results. However, studies have shown that AI-based methods are susceptible to variations in lighting conditions and shooting distance.

The use of artificial intelligence and computer vision in the treatment of chronic wounds requires large, comprehensive and high-quality datasets for training. The solutions developed must also be easy to deploy and work in varying environments so that their use can become established as a tool for nursing experts.