Aalto-yliopiston tutkijat ovat opettaneet tekoälymallin tunnistamaan tarkasti diabeettisen retinopatian vaikeusasteen.
Diabeettinen retinopatia on diabeteksen aiheuttama silmän verkkokalvon sairaus. Tauti voi pahimmillaan johtaa sokeuteen, jos sitä ei päästä hoitamaan riittävän ajoissa.
Aalto-yliopiston tutkimustulos voi jatkossa mahdollistaa monia uusia sovelluksia erilaisissa seulontaohjelmissa ja diagnostiikassa.
Professori Kimmo Kasken vetämän tutkijaryhmän artikkeli julkaistiin lokakuussa Plos One -tiedelehdessä.
Jättiaineisto Helsingin yliopistollisesta sairaalasta
Tutkimuksen aineistona toimi yli 40 000 potilaskertomusta Helsingin yliopistollisesta sairaalasta.
Potilailta oli kuvattu silmänpohjat, minkä jälkeen lääkäri kirjasi havainnot merkittävistä löydöksistä vapaana tekstinä.
Vapaamuotoisista, jäsentelemättömistä lääketieteellisistä lausunnoista on kuitenkin liki mahdotonta selvittää taudin vaikeusastetta perinteisellä ohjelmoinnilla.
Projektiin osallistuneet lääkärit ja hoitajat olivat analysoineet noin puolet aineiston lausunnoista, kunnes syntyi idea kouluttaa loppujen lausuntojen analysointiin suuria kielimalleja, joita ovat muun muassa ChatGPT ja Bard.
”Dr GPT” oppi erittäin tarkaksi
Kimmo Kasken tutkimusryhmän yhtenä päätavoitteena on jo pitkään ollut juuri silmäsairauksien tekoälypohjainen tunnistaminen, kertoo ryhmään kuuluva tutkijatohtori Joel Jaskari.
Ryhmä on aiemmin tutkinut kuva-analyysiin tarkoitettuja tekoälymalleja, niin kutsuttuja syviä konvoluutioneuroverkkoja.
Tuoreessa tutkimuksessa ryhmä muokkasi ja jatkokoulutti Turun yliopiston NLP-ryhmän suomen kielellä opettamaa GPT-mallia jo analysoiduilla lausunnoilla.
”Kutsuimme tätä diabeettisen retinopatian vaikeustason päättelyyn erikoistunutta GPT-mallia DR-GPT:ksi”, Jaskari kertoo.
DR-GPT kykenee analysoimaan vapaamuotoisia suomenkielisiä lääketieteellisiä lausuntoja todella tarkasti.
Yhteistyö lääkärien kanssa välttämätöntä
Nykyiset syviin neuroverkkoihin pohjautuvat tekoälymenetelmät, kuten GPT-mallit, ovat Jaskarin mukaan lähtökohtaisesti datavetoisia.
Sen takia niitä täytyy kouluttaa nimenomaan niiden lopulliseen tehtävään liittyvillä aineistoilla.
”Siksi tämänkaltainen yhteistyö on avainasemassa, kun tutkitaan tekoälyä lääketieteessä.”
Tekoälyä hyödynnetään jo esimerkiksi sairauksien diagnosoinnissa, potilaiden seurannassa ja terveydenhuollon resurssien suunnittelussa.
Jatkossa kielimallit voivat tulla entistä laajempaan käyttöön myös muissa jäsentelemättömissä lääketieteellisissä aineistoissa.
Tilaa Kemiamedian uutiskirje!
Tilaajana saat sähköpostiisi kerran viikossa kiinnostavimmat uutiset ja tiedot alan tapahtumista ja työpaikoista. Osallistut samalla arvontaan!
