Kone opetettiin seulomaan röntgenkuvasta varhaista nivelrikkoa ennustava piirre – voi säästää tarpeettomilta tutkimuksilta ja hoidoilta

Nivelrikko on maailman yleisin nivelvaiva, joka aiheuttaa Suomessa vuosittain jopa 600 000 lääkärikäyntiä. Sen on arvioitu aiheuttavan vuosittain jopa miljardin euron arvoiset menetykset kansantaloudelle.

Jyväskylän yliopiston Digitaalisen terveysälyn laboratoriossa, osana AI Hub Keski-Suomi -hanketta kehitetty tekoälymenetelmä hyödyntää maailmalla laajasti käytettyä neuroverkkopohjaista teknologiaa. Uusi menetelmä opetettiin tunnistamaan röntgenkuvista nivelrikon varhainen piirre, joka ei vielä kuulu diagnostiikassa käytettyihin kriteereihin, mutta ortopedit pitävät sitä varhaisvaiheen nivelrikon merkkinä.

– Projektimme pyrkimyksenä oli opettaa tekoäly tunnistamaan röntgenkuvasta nivelrikkoa ennustava piirre, jonka kokeneet lääkärit ovat aiemminkin pystyneet silmämääräisesti erottamaan kuvasta, kertoo menetelmän kehittämisestä vastannut tutkija Anri Patron.

Käytännössä tekoäly pyrkii tunnistamaan kuvasta ovatko ihmisen polvinivelessä sääriluun yläpinnalla olevat väliharjut terävöityneet vai eivät. Jos väliharjut ovat terävöityneet niin se voi olla merkki nivelrikosta.

Menetelmän luotettavuutta arvioitiin yhdessä KSSHP:n erikoislääkäreiden kanssa.

– Tekoälymallin kehityksessä käytettiin noin 700 röntgenkuvaa, malli validoitiin noin 200 kuvalla. Tekoäly onnistui tekemään lääkärin kanssa yhteneväisen arvion terävöitymisestä 87% tapauksissa, mikä on lupaava tulos, Patron kuvailee.

Tekoälyn avulla voidaan tukea nivelrikon varhaista diagnosointia perusterveydenhuollossa

Jyväskylän yliopiston digitaalisen terveysälyn laboratorion johtaja dosentti Sami Äyrämö kertoo nivelrikon varhaiseen diagnoosin tähtäävän tekoälymenetelmäkehittämisen olevan kansainvälisestikin aktiivista.

– Polven nivelrikon havaitsemiseen on aiemmin kehitetty useampia tekoälymalleja, jotka pystyvät tunnistamaan pitkälle edenneet tapaukset, jotka ammattilaisten on muutoinkin helppo tunnistaa.

Nykymenetelmienherkkyys ei vielä riitä alkuvaiheessa olevan sairauden tunnistamiseen. Nyt kehitetyllä menetelmällä pyritään edistämiseen etenkin varhaista tunnistamista röntgenkuvista, mille on suuri tarve.

Tavoitteena on, että tulevaisuudessa tekoäly pystyisi osoittamaan polven nivelrikon ensimmäisiä merkkejä röntgenkuvasta, jolloin ensidiagnoosin voisi tehdä myös entistä useammin terveyskeskuslääkäri.

Projekti tehtiin yhteistyössä Keski-Suomen sairaanhoitopiirin kanssa, jonka johtaja ja kirurgian professori Juha Paloneva sanoo, että varhaisessa vaiheessa havaittua nivelrikkoa voidaan hoitaa tehokkaasti.

– Jos diagnoosi pystytään tekemään varhaisessa vaiheessa, vältytään epävarmuudelta siitä mistä on kyse sekä kalliilta tarpeettomilta tutkimuksilta, kuten magneettikuvaukselta. Lisäksi kansalaista voidaan motivoida toimenpiteisiin, jotka voivat hidastaa tai jopa pysäyttää oireisen nivelrikon etenemisen. Parhaassa tapauksessa potilas säästyy tekonivelleikkaukselta, Paloneva kertoo.

Lisätietoa

Tutkija Anri Patron
anri.a.patron@jyu.fi

Dosentti Sami Äyrämö
Digital Health Intelligence laboratorion johtaja
sami.ayramo@jyu.fi
050 325 5685

Kirurgian professori Juha Paloneva
Keski-Suomen sairaanhoitopiirin johtaja
050 336 3695

Digitaalisen terveysälyn laboratorio toimii Jyväskylän yliopiston informaatioteknologian tiedekunnassa. Laboratorion tavoitteena on kehittää älykkäitä tietoon perustuvia ratkaisuja reaalimaailman ongelmiin, jotka ovat keskeisiä ihmisten terveyden ja hyvinvoinnin edistämisen kannalta. AI Hub Keski-Suomi -hanke on saanut tukea Euroopan aluekehitysrahastolta (EAKR).

Tutkimusartikkeli Patron, A., Annala, L., Lainiala, O., Paloneva, J., & Äyrämö, S. (2022). An Automatic Method for Assessing Spiking of Tibial Tubercles Associated with Knee Osteoarthritis. Diagnostics, 12(11), Article 2603. https://doi.org/10.3390/diagnostics12112603