Tekoälyn soveltaminen EEG-tutkimuksiin

Abstract

Elektroenkefalografia eli EEG on aivojen sähköisen toiminnan tutkimus, jota käytetään muun muassa epilepsian diagnosoinnissa ja kohtausoireiden selvittämisessä. EEG-tutkimuksen suorittaa bioanalyytikko tai muu tehtävään koulutettu terveydenhuollon ammattilainen. EEG-rekisteröijän tehtäviin kuuluu laadukkaan tutkimuksen tekeminen ja potilaan ohjaaminen. Tekoälyn käytön lisäämisen arvioidaan voivan muuttaa lähitulevaisuudessa työtehtäviä useilla eri toimialoilla kuten terveydenhuollossa. Nykyään tekoälyä voitaisiin mahdollisesti hyödyntää laajemmin myös EEG-rekisteröintien käsittelyyn.

Opinnäytetyö toteutettiin kuvailevana kirjallisuuskatsauksena. Opinnäytetyön tarkoituksena oli luoda kokonaiskuva siitä, miten tekoälyä voitaisiin hyödyntää EEG-tutkimuksissa ja miten tutkimuksen laatu voi vaikuttaa tekoälyn toimintaan. Kirjallisuuskatsauksen tarkoituksena on lisäksi kuvata, millaisia mahdollisuuksia ja ongelmia tekoälyn käyttöönottoon liittyy tällä hetkellä. Kirjallisuuskatsauksessa käytettiin vuosina 2020–2024 julkaistuja tutkimusartikkeleita, jotka käsittelivät EEG-tutkimuksiin kehitettyjen tekoälymallien toimintaa ja käyttöönottoa.

Tekoälyä voisi olla mahdollista käyttää epileptisten purkausten, kohtausten ja EEG-artefaktojen automaattiseen havainnointiin EEG-rekisteröinnistä. Tekoälyn käyttäminen voisi nopeuttaa erilaisten EEG-tutkimusten tulkintaa. Tekoälymalleja on kehitetty perus-EEG-rekisteröintien, pitkäaikaisten EEG-rekisteröintien ja EEG-monitoroinnin tulkintaan. Käyttöönottoon liittyviä ongelmia tällä hetkellä ovat muun muassa tekoälyn tekemät virhehavainnot, joita esimerkiksi artefaktat aiheuttavat. Tekoälyn tulisi olla luotettava, jotta sitä voitaisiin käyttää potilasrekisteröintien tulkintaan.

Lisätutkimusta EEG-rekisteröintien tulkitsijoiden kokemuksista tekoälyn käytöstä ja luotettavuudesta tarvitaan, mikäli tekoälyjärjestelmiä suunnitellaan käytettäväksi potilasrekisteröintien käsittelyyn ja tulkintaan suomalaisessa terveydenhuollossa.

The purpose of the study was to construct a general view about how artificial intelligence could be implemented in EEG examinations and how the technical quality of EEG registration affects the functionality of artificial intelligence. Additionally, the possibilities and difficulties of the possible implementation of artificial intelligence in EEG examinations were researched in this study.

The method of the thesis was a descriptive literature review. Research articles from 2020–2024 addressing the implementation of artificial intelligence in EEG studies were used in writing the literature review.

The literature review shows that artificial intelligence models are being developed to be implemented in different types of EEG examinations. It could be possible to detect epileptic discharges, seizures and artefacts automatically by artificial intelligence in clinical use. The use of artificial intelligence could partially automate the interpretation of EEGs making the review process of EEGs more efficient. A common challenge in EEG interpretation by artificial intelligence is the notable number of false detections. False detections can be caused by the presence of artefacts in the EEG registration.

The implementation of artificial intelligence requires more trustworthy systems. More research about this topic would be beneficial to be carried out if artificial intelligence is planned to be implemented in processing or interpreting EEGs in clinical neurophysiology laboratories or other health care providers.