Tietokonetomografia ja tekoäly traumaattisten aivoverenvuotojen diagnosoinnissa
Puhakainen, Auriina (2025-11-24)
Tietokonetomografia ja tekoäly traumaattisten aivoverenvuotojen diagnosoinnissa
(24.11.2025)
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
avoin
Julkaisun pysyvä osoite on:
https://urn.fi/URN:NBN:fi-fe20251125111215
https://urn.fi/URN:NBN:fi-fe20251125111215
Tiivistelmä
Tämä kirjallisuuskatsaus käsittelee tietokonetomografian ja tekoälyn roolia traumaattisten aivoverenvuotojen diagnosoinnissa. Traumaattiset aivovammat vaikuttavat miljooniin ihmisiin vuosittain ja ovat merkittävä kuolinsyy maailmanlaajuisesti. Tietokonetomografia on ensisijainen menetelmä aivoverenvuotojen tunnistamiseen, sillä se on nopea ja tarkka.
Tutkielmassa tarkastellaan perinteisiä ja tekoälyavusteisia kuvien rekonstruktiomenetelmiä sekä tekoälyn käyttöä diagnosointiprosessissa. Tietoa tutkielmaa varten on haettu PubMed-tietokannasta, Google Scholarista, Web of Science -tietokannasta ja Turun yliopiston kirjaston Volter-palvelussa. Tarkastelun perusteella tekoälyn syväoppimismallit, kuten konvoluutioneuroverkot, parantavat kuvien laatua, vähentävät kohinaa ja nopeuttavat rekonstruoitujen kuvien tuottamista. FDA:n hyväksymät algoritmit, kuten qER.ai ja Viz.ai, ovat osoittaneet lupaavia tuloksia aivoverenvuotojen tunnistamisessa tietokonetomografiakuvista, ja myös useat kehitteillä olevat menetelmät näyttävät lupaavilta.
Tekoälystä on todennäköisesti tulossa tärkeä työkalu terveydenhuollossa, sillä se voi vähentää inhimillisiä virheitä ja tukea ammattilaisten päätöksentekoa. Eettiset ja tekniset haasteet on ratkaistava ennen laajamittaista käyttöönottoa.
Tutkielmassa tarkastellaan perinteisiä ja tekoälyavusteisia kuvien rekonstruktiomenetelmiä sekä tekoälyn käyttöä diagnosointiprosessissa. Tietoa tutkielmaa varten on haettu PubMed-tietokannasta, Google Scholarista, Web of Science -tietokannasta ja Turun yliopiston kirjaston Volter-palvelussa. Tarkastelun perusteella tekoälyn syväoppimismallit, kuten konvoluutioneuroverkot, parantavat kuvien laatua, vähentävät kohinaa ja nopeuttavat rekonstruoitujen kuvien tuottamista. FDA:n hyväksymät algoritmit, kuten qER.ai ja Viz.ai, ovat osoittaneet lupaavia tuloksia aivoverenvuotojen tunnistamisessa tietokonetomografiakuvista, ja myös useat kehitteillä olevat menetelmät näyttävät lupaavilta.
Tekoälystä on todennäköisesti tulossa tärkeä työkalu terveydenhuollossa, sillä se voi vähentää inhimillisiä virheitä ja tukea ammattilaisten päätöksentekoa. Eettiset ja tekniset haasteet on ratkaistava ennen laajamittaista käyttöönottoa.