Lannerangan välilevyrappeuman automaattinen kvantifiointi ja fenotyypin luokittelu kliinisestä magneettikuvasta koneoppimisen avulla

Alaselkäkipu (LBP) koskettaa valtavaa määrää ihmisiä maailmanlaajuisesti aiheuttaen heille merkittävää kärsimystä. Alaselkäkivun monimutkaisuuden vuoksi siihen vaikuttavien tarkkojen muutosten tai vaurioiden tunnistaminen on vaikeaa. Nikamien välissä olevien välilevyjen tehtävänä on tukea selkärankaa sekä vaimentaa siihen kohdistuvia voimia. Niiden uskotaan olevan tärkeässä roolissa alaselänkivussa, sillä ne rappeutuvat usein ajan myötä. Nikamavälilevyjen roolin tutkiminen edellyttää objektiivista kuvausta siitä, miltä välilevyt näyttävät rutiininomaisissa kliinisissä magneettikuvauksissa (MRI). Tämä on työlästä ja vaatii koulutettuja asiantuntijoita, mutta koneoppiminen tarjoaa tähän mahdollisuuden automatisoida prosessia sekä parantaa mittausten luotettavuutta. Tällöin voidaan käytännössä analysoida huomattavasti suurempia aineistoja. Tämä auttaa meitä ymmärtämään paremmin, miksi joillekin ihmisille kehittyy alaselkäkipua, miten potilaita voidaan ryhmitellä taustalla olevan syyn perusteella ja mitkä biologiset merkit voivat viitata riskiin. Tämä väitöskirja keskittyy parantamaan välilevyrappeuman automaattista analysointia ja luomaan enemmän hyödyllistä tietoa rutiininomaisista lannerangan MRI-kuvista.

Ensin testattiin olemassa olevaa tekoälytyökalua välilevyrappeuman luokitteluun verrattuna koulutettujen radiologien arvioihin. Tutkimuksessa käytettiin MRI-kuvia, jotka oli kerätty 1337 osallistujalta Pohjois-Suomen syntymäkohortista 1966. Tekoälymallin todettiin olevan luotettava ja toimiva suuren aineistojen analysointiin, vaikka joitakin eroavaisuuksia havaittiin verrattuna radiologien arvioihin. Seuraavaksi samoja MRI-kuvia analysoitiin tekoälymenetelmällä, jolla rajattiin välilevy kuvista (ns. segmentointi). Segmentaatioihin sovellettiin radiomiikkaa hyödyntävää lähestymistapaa, jolla mitattiin välilevyjen kuvantamispiirteitä. Nämä ominaisuudet yhdistettynä luovat arvokasta uutta tietoa välilevyrappeuman luokitteluun, kun niitä hyödynnettiin tekoälyn tuottamien välilevysegmentointien kanssa rutiininomaisissa kliinisissä MRI-kuvissa.

Väitöskirjan viimeisessä osassa pyrittiin tunnistamaan malleja rappeumamuutosten kertymisestä lannerankaan. Työssä hyödynnettiin MRI-kuvia kohorttista, jossa oli 423 kroonista alaselkäkipupotilasta. Löydettiin kaksi erillistä mallia, joilla oli myös hienovarainen yhteys potilaiden raportoiman kiputyypin kanssa. Työ osoitti, että on mahdollista mallintaa selkärangan rappeutumisen etenemistä ajan myötä ilman potilaiden seurantatutkimusta. Tämä tarjoaa uusia mahdollisuuksia tunnistaa biologisia merkkejä ja taustalla piileviä syitä alaselänkipuun käyttämällä suurta aineistoa.