Koneoppimisen hyödyntäminen syöpätutkimuksen kuvantamisessa: huomio rintasyövän tutkimukseen

Abstract

Tekoäly ja sen osa-alue koneoppiminen ovat nopeasti kehittyviä tekniikoita. Syväoppivat koneoppimismenetelmät, kuten konvoluutioneuroverkot voivat analysoida kuvadataa ja tunnistaa niistä kohteita. Koneoppimistekniikat ovat hyödyllisiä monella eri alalla, ja esimerkiksi syöpätutkimuksen kuvantamisen aihepiirissä niiden käyttökohteita tutkitaan kasvavissa määrin. Tutkielman tarkoituksena on kartoittaa kirjallisuuskatsauksena miten koneoppimista hyödynnetään tai voidaan hyödyntää syöpätutkimuksen kuvantamisessa, ovatko koneoppimismenetelmät suorituskykyisempiä kuin radiologit ja mitä mahdollisia haasteita kyseisten menetelmien käytöstä voi seurata. Tutkimustuloksista käy ilmi, että koneoppimista ja niiden pohjalta rakennettuja järjestelmiä hyödynnetään pääosin kahdella eri tavalla syöpätutkimuksen kuvantamisessa: radiologin apuvälineenä tai itsenäisenä toimijana. Koneoppimisjärjestelmien ja radiologien väliset erot syövän havaitsemistarkkuudessa liittyvät sekä radiologin kokemukseen että koneoppimisjärjestelmän ja radiologin virhearviointitilanteiden eroavaisuuksiin. Syöpätutkimuksen segmentoinnin tapauksessa koneoppimisjärjestelmän on mahdollista suorittaa segmentointitehtävä vähintään radiologin tasolla ja lisäksi vähentää radiologeille ominaista segmentointitulosten subjektiivisuutta. Haasteita koneoppimismenetelmien käytöstä esiintyy lääketieteellisessä ja teknisessä kontekstissa sekä käyttöönoton yhteydessä. Koneoppimisen käyttöä syöpätutkimuksen kuvantamisessa tulee tutkia oikeissa kuvantamistilanteissa, jotta voidaan saada tietoa koneoppimismallien suorituskyvystä muissa kuin kontrolloiduissa tutkimusympäristöissä.