Reaalimaailman data ja selitettävä tekoäly täsmälääketieteen edistämisessä

Väitöstilaisuuden tiedot

Väitöstilaisuuden päivämäärä ja aika

Väitöstilaisuuden paikka

Oulun Puhelin auditorium (L5), Linnanmaa

Väitöksen aihe

Reaalimaailman data ja selitettävä tekoäly täsmälääketieteen edistämisessä

Väittelijä

Filosofian maisteri Gunjan Chandra

Tiedekunta ja yksikkö

Oulun yliopiston tutkijakoulu, Tieto- ja sähkötekniikan tiedekunta, Biomimetiikka ja älykkäät järjestelmät

Oppiaine

Tietotekniikka

Vastaväittäjä

Apulaisprofessori Sami Äyrämö, Jyväskylän yliopisto

Kustos

Dosentti Pekka Siirtola, Oulun yliopisto

Vieraile väitöstilaisuudessa

Lisää tapahtuma kalenteriin

Datan ja ymmärrettävän tekoälyn rooli yksilöllistetyn lääketieteen mahdollistajana

Tarkkuuslääketiede tarkoittaa oikean hoidon antamista oikealle henkilölle oikeaan aikaan. Sen sijaan, että käytettäisiin samaa lähestymistapaa kaikille, se käyttää tietoa jokaisesta potilaasta tukeakseen henkilökohtaisempaa hoitoa. Tämä väitöskirja tutkii, miten jokapäiväisiä terveystietoja ja läpinäkyvää tekoälyä voidaan käyttää yhdessä tämänkaltaisen hoidon tekemiseksi käytännöllisemmäksi ja luotettavammaksi.

Tutkimus koostuu neljästä tutkimuksesta. Ensimmäinen tutkimus tarkastelee, miten keinotekoisia terveystietoja voidaan tuottaa ja jakaa turvallisesti. Se esittelee tavan tarkistaa, heijastavatko tällaiset tiedot edelleen tarkasti todellisia potilastietoja, mikä tekee tiedon jakamisen mahdolliseksi vaarantamatta potilaan yksityisyyttä.

Toinen tutkimus keskittyy harvinaiseen verisyöpään. Se osoittaa, että vaikka käytettävissä olisi vain rajoitetusti tietoa, tietokoneanalyysit voivat auttaa ennustamaan, kuinka vakavaksi vakava hoitokomplikaatio saattaa kehittyä. Tämä osoittaa, että nykyaikaiset tietomenetelmät voivat tukea myös harvinaisten sairauksien hoitoa.

Kolmas tutkimus tutkii tyypin 2 diabetesta sairastavia ihmisiä. Se tarkastelee erilaisia pitkäaikaisia verensokerikäyriä ja käyttää potilastietoja, kuten terveydentilaa, hoitoja ja sosiaalista taustaa, ennustaakseen, minkä käyrän henkilön todennäköisesti seuraavan. Tärkeää on, että mallit on suunniteltu siten, että on selvää, mitkä tekijät vaikuttavat kuhunkin ennusteeseen.

Neljäs tutkimus vertaa useita diabeteslääkkeitä ja arvioi, kuinka hyvin kukin todennäköisesti toimii yksittäiselle potilaalle. Yhdistämällä kliinisten tutkimusten tulokset todellisten potilaiden tietoihin tutkimus auttaa tuomaan tutkimustuloksia lähemmäs jokapäiväistä lääketieteellistä käytäntöä.

Kaiken kaikkiaan väitöskirja osoittaa, että yksinkertaiset, läpinäkyvät tekoälytyökalut voivat muuttaa terveystiedot hyödylliseksi ja oikeudenmukaiseksi päätöksenteon tueksi lääkäreille. Tämä tukee parempaa hoitoa syöpää, kroonisia sairauksia ja harvinaisia sairauksia sairastaville ihmisille.
Luotu 25.12.2025 | Muokattu 29.12.2025