Tekoälyinnovaatiot ja käyttäjälähtöinen suunnittelu vauhdittavat digitaalisen suunterveydenhuollon kehitystä
Hankekumppaneiden tutkijoiden esityksissä käsiteltiin muun muassa suunterveyden riskinarvioinnin kehitystä, syväoppimiseen perustuvia seulontamenetelmiä älypuhelinkuvien avulla, automaattista hampaiden tunnistusta sekä uusia lähestymistapoja luotettavien ennustemallien rakentamiseen rajallisen aineiston pohjalta.
”Esitykset osoittivat, kuinka tekniset innovaatiot ja ihmislähtöinen suunnittelu yhdessä muovaavat seuraavan sukupolven saavutettavia, luotettavia ja vaikuttavia hammashoidon päätöksenteon tukiratkaisuja”, toteaa hankepäällikkö Katri Kukkola Oulun yliopistosta.
Julkinen suun terveydenhuolto Pohjoismaissa, erityisesti syrjäseuduilla, kohtaa jatkuvia haasteita rajallisten henkilöstöresurssien vuoksi. Tämä pula aiheuttaa hoitojen viivästymistä, heikentää ennaltaehkäisevän hoidon saatavuutta ja kasvattaa pitkän aikavälin terveydenhuoltokustannuksia. Digital Support Solutions for Oral Health Care (DSS‑Oral) -hanke (2025–2028), jota Oulun yliopisto koordinoi yhteistyössä Mid Sweden -yliopiston kanssa, pyrkii vastaamaan näihin haasteisiin kehittämällä uusia tekoälypohjaisia työkaluja hammaskuvien analyysiin, riskinarviointiin ja ennaltaehkäisevään ohjaukseen.
Hankkeessa on jo kehitetty syväoppimiseen perustuvia koneoppimismalleja riskien ennustamiseen. Lisäksi hankkeessa tarkastellaan käyttäjätarpeita ja digitaalisten päätöksenteon tukityökalujen toimivuutta todellisessa hammashoitotyössä. Seuraavat esitykset toivat esiin hankkeen keskeiset tutkimusteemat ja alustavat tulokset.
1. Suunterveyden riskinarviointi: käsitteet ja tekoälytuki
Sanna Pihl, väitöskirjatutkija Oulun yliopistosta, esitteli hammashoidon riskinarvioinnin periaatteita, kuvasi suunterveyden riskeihin vaikuttavia tekijöitä sekä tarkasteli kliinisessä työssä yleisesti käytettyjä työkaluja. Esityksessään hän käsitteli myös, kuinka tekoäly voi vahvistaa riskinarviointia parantamalla potilaskohtaisten riskiprofiilien arvioinnin tarkkuutta, tehokkuutta ja yhtenäisyyttä.
”Suunterveyden riskinarviointi on keskeistä sairauksien ehkäisyssä ja hoidon kohdentamisessa yksilöllisesti. Tekoälyn integroiminen riskinarviointiin avaa uusia mahdollisuuksia varhaisempaan ennaltaehkäisyyn, yksilöllisempään hoitoon ja parempaan päätöksenteon tukeen.”
2. Ensimmäinen katsaus syväoppimisen hyödyntämiseen riskinarvioinnissa hampaiston kuvilla
Professori Jan Lundgren (Mid Sweden University) esitteli, kuinka tekoälyavusteinen älypuhelinkuvantaminen voisi tukea varhaista hammasterveyden seulontaa. Esimerkkinä hän kuvasi, kuinka yksilöt voisivat ottaa suunsisäisiä kuvia kotona älypuhelimellaan ja antaa tekoälyn analysoida varhaisia merkkejä kariesta tai iensairauksia. Hän korosti teknologian mahdollisuuksia parantaa seulonnan saavutettavuutta erityisesti alueilla, joilla perinteiset hammashoitopalvelut ovat rajalliset.
”Kuvittele, että voisit tarkistaa hammasterveytesi nopeasti kotona älypuhelimella, kun tekoäly analysoi hampaistasi otettuja kuvia ja tunnistaa varhaisia ongelmien merkkejä kuten reikiintymistä tai iensairauksia. Tämä voisi tehdä hammasterveyden seurannasta saavutettavampaa ja tukea riskinarviointia myös alueilla, joilla perinteisiä palveluja on niukasti.”
3. Tekoälyavusteinen hampaiden tunnistaminen ja numerointi mobiilikuvista
Väitöskirjatutkija Eero Molkoselkä Oulun yliopistosta esitteli tekoälymallin, joka analysoi älypuhelimella otettuja kuvia hampaiden tunnistamiseksi ja luokittelemiseksi. Järjestelmä paikantaa ja rajaa yksittäiset hampaat automaattisesti ja toimii esikäsittelyvaiheena myöhemmille diagnostisille tehtäville kuten kariestunnistukselle. Työn tavoitteena on tehostaa kuvien automaattista tulkintaa tulevissa hammashoidon päätöksenteon tukijärjestelmissä.
”Hampaiden segmentointi on luotettavan hammashuollon tekoälyn perusta. Tutkimuksemme osoittaa, että se voidaan toteuttaa automaattisesti tavallisista älypuhelinkuvista.”
4. NHANES‑aineistosta DSS‑Oral‑hankkeeseen: luotettava tekoäly hammasterveyden riskien ennustamisessa niukan datan olosuhteissa
Väitöskirjatutkija Arash Nadaei Oulun yliopistosta esitteli ensimmäisiä tuloksia meneillään olevasta tutkimuksesta, jossa kehitetään ennustavia malleja hammaskarieksen riskinarviointiin. Hän käsitteli haasteita, joita liittyy mallien rakentamiseen rajallisen ja eri lähteistä peräisin olevan datan pohjalta. Esitys toi esiin havaintoja data-analyysista, mallinnusmenetelmistä sekä luotettavan tekoälyn keskeisistä elementeistä, joita tarvitaan kliinisesti käyttökelpoisten riskiennustetyökalujen kehittämisessä.
”Kyselypohjaiseen aineistoon perustuva hammasterveyden riskien ennustaminen on keskeistä saavutettavan ja kustannustehokkaan ennaltaehkäisevän hammashoidon suunnittelussa. Tutkimukseni tulokset tarjoavat yhden osatekijän kokonaisvaltaisessa riskinarviointikehyksessä, joka integroidaan suunsisäiseen riskinarviointiin.”
5. Suunnittelu ihmisiä varten – ensimmäisten ryhmäkeskustelujen havainnot
Webinaarin lopuksi Katri Kukkola kokosi yhteen ensimmäisten ryhmäkeskustelujen tuloksia ja käyttäjänäkemyksiä digitaalisista hammashoidon päätöksenteon tukijärjestelmistä. Esityksessään hän tarkasteli käyttäjien odotuksia, koettuja hyötyjä ja mahdollisia esteitä. Lisäksi hän korosti käyttäjien varhaisen osallistamisen merkitystä ratkaisujen käyttöönoton, hyödyllisyyden ja hyväksyttävyyden kannalta sekä esitteli hankkeessa suunniteltuja tulevia yhteiskehittämisen toimenpiteitä.
”Hammaslääkärit suhtautuvat avoimesti uusiin innovaatioihin ja teknologioihin, kun ne tuovat hyötyä ammattilaisille ja potilaille eivätkä lisää kenenkään kuormitusta. Riskinarviointi auttaa kohdentamaan hoidon niille, jotka sitä eniten tarvitsevat ja siitä hyötyvät. Alustavat tulokset osoittavat, että yksilöllinen riskinarviointi on toteutettavissa. Käytettävyyden ja laaja-alaisen hyödyn varmistamiseksi yhteistyötä kaikkien suun terveydenhuollon ammattiryhmien ja järjestelmäkehittäjien kanssa jatketaan tutkimuksen ja ratkaisujen edetessä.”