Uusia syväoppimismenetelmiä polven nivelrikon diagnostiikkaan ja etenemisen ennustamiseen

Tämän väitöskirjan ensisijainen tavoite oli kehittää uusia syväoppimiseen perustuvia tekoälymalleja polven nivelrikon diagnostiikan parantamiseksi. Tutkimuksessa on kaksi keskeistä osa-aluetta: datatehokkuus ja kliininen merkitys. Datatehokkuuden edistämiseksi kehitettiin osittain ohjattuun oppimiseen (engl. semi-supervised learning) perustuva uusi menetelmä polven nivelrikon luokitteluun röntgenkuvista. Osittain ohjatussa oppimisessa riittää vain vähäinen määrä ihmisen luokittelemia röntgenkuvia osana koulutusmateriaalia. Kliinisen merkityksen parantamiseksi kehitettiin myös syväoppimiseen perustuvia tekoälymalleja polven nivelrikon kehittymisen (prognoosi) ennustamiseksi. Prognoosin ennustaminen on kliinisesti merkityksellisempää kuin pelkkä polven nivelrikon diagnoosi, sillä sen avulla voidaan ennustaa, kuinka vakava sairaus tulee olemaan tulevaisuudessa. Lopuksi väitöskirjassa käsitellään kysymystä syväoppimismallien kehittämiseen osallistuvien henkilöiden tietoturvariskistä. Tätä riskiä tarkastellaan erityisesti polven nivelrikon tutkimuksessa.