Syväoppimiseen pohjautuvat magneettikuvantamisbiomarkkerit polven nivelrikon etenemisen arvioinnissa

Polven nivelrikko on maailmanlaajuisesti yksi johtavista toimintakyvyn heikkenemisen syistä erityisesti kehittyneissä maissa. Se aiheuttaa nivelten kudosten rakenteellista rappeumaa, kipua, jäykkyyttä ja liikkuvuuden heikkenemistä. Kaikki nivelrikkopotilaat eivät kuitenkaan koe samanlaisia oireita, vaikka nivelkudoksissa olisikin jo rakenteellisia muutoksia. Tällä hetkellä lääketieteessä on edelleen haastavaa ennustaa, ketkä ovat suurimmassa vaarassa taudin etenemiselle ja kuinka nopeasti se etenee.

Magneettikuvantamisella voidaan saada yksityiskohtaisia kuvia nivelkudoksista, mutta kuvien kokonaisvaltainen manuaalinen analysointi on aikaa vievää ja vaatii erityisosaamista. Tämän väitöskirjan tavoitteena oli kehittää tekoälymenetelmiä, jotka kykenevät tunnistamaan automaattisesti biologisia indikaattoreita eli kuvantamisen biomarkkereita polven magneettikuvista. Havaittujen biomarkkereiden käyttökelpoisuutta tutkittiin edelleen polvinivelrikon kehittymisen sekä sen etenemisen ennustamisessa.

Väitöskirjan ensimmäisessä osassa keskityttiin kehittämään syväoppimismenetelmä, joka tunnistaa automaattisesti nivelrustokudoksen magneettikuvista ja määrittää sen terveydentilan. Näiden kvantitatiivisten biomarkkereiden avulla voidaan seurata, kuinka sairaus vaikuttaa polviniveleen ajan kuluessa. Menetelmän toimivuutta testattiin myös eri magneettikuvauksen sekvensseille, ja sen suorituskyvyn havaittiin olevan verrattavissa nykyisillä kaupallisilla tai avoimen lähdekoodin ohjelmistoilla saataviin tuloksiin.

Väitöskirjan toisessa osassa tutkittiin, kuinka hyvin nivelrikon etenemistä voidaan ennustaa koko polven magneettikuvista – ei siis pelkästään nivelruston aluetta tarkastelemalla. Lisäksi selvitettiin, mitkä magneettikuvausprotokollat ovat kaikista herkimpiä ennustamaan sairauden etenemistä. Tekoälyn avulla biomarkkerit opittiin suoraan eri kuvausprotokollien kautta saadusta aineistosta. Tekoälymallien ennustamiskykyä analysoitiin eri aikapisteissä sairauden etenemisen aikana.

Väitöskirjan tulosten perusteella voidaan todeta, että modernit tekoälymenetelmät mahdollistavat tehokkaan ja automaattisen polven magneettikuvien analyysin nivelrikon tutkimuksessa. Kehitetyt tekoälymenetelmät auttavat sellaisten potilaiden tunnistamista, jotka ovat taudin etenemisen riskiryhmässä. Kaikki väitöstyössä kehitetyt tekoälymenetelmät (algoritmit) ovat julkaistu avoimesti kaikkien saataville, jotta jatkotutkimukset sekä kliininen soveltaminen ovat laajasti mahdollisia tulevaisuudessa.