Näytteen matka kudoksesta digitaaliseksi kuvaksi sisältää useita vaiheita, jotka tuottavat aineistoon merkittävää vaihtelua ja tämän vaihtelun vaikutus koneoppimismallien tarkkuuteen on tärkeä huomioida menetelmien kehityksessä.
Valkonen havaitsi väitöstutkimuksessaan, kuinka esimerkiksi kudoksen kiinnitykseen käytetty fiksatiivi ja sen esiintyvyys opetusaineistossa vaikuttaa mallien yleistyvyyteen ja tarkkuuteen. Samoin eri laboratorioissa värjätyt ja skannatut leikkeet aiheuttavat merkittävää vaihtelua aineistoon.
— On tärkeää huomioida mallien yleistyvyys eri lähteistä kerätyille aineistoille koneoppimismalleja kehitettäessä, erityisesti ennen kuin koneoppiminen on mahdollista ottaa laajalti käyttöön kliinisellä puolella, Valkonen kertoo.
Koneoppimisen hyödyntämisen mahdollisuuksia patologian alalla on valtavasti. Valkosen väitöstutkimuksessa osoitettiin myös, kuinka värjäyksiä hyödyntäen on mahdollista automatisoida työläs manuaalinen opetusaineiston kerääminen. Työssä osoitettiin lisäksi, kuinka koneoppimisen avulla tehtävä laskennallinen värjäys voi jopa kokonaan korvata kudokselle tehtäviä kemiallisia värjäyksiä.
— Koneoppiminen ja tekoäly tulevat lähivuosina mullistamaan kudosleikkeiden tulkinnan ja diagnostiikan tuomalla analyysiin lisää tarkkuutta, tehokkuutta ja vähentämällä arvioinnin subjektiivisuutta, Valkonen kertoo.
Mira Valkonen on kotoisin Lempäälästä ja toteutti väitöskirjatutkimuksensa Tampereen yliopiston biokuvainformatiikan tutkimusryhmässä.
Diplomi-insinööri Mira Valkosen biolääketieteen tekniikan alaan kuuluva väitöskirja Machine learning assisted digital pathology tarkastetaan julkisesti Tampereen yliopiston lääketieteen ja terveysteknologian tiedekunnassa torstaina 24.11.2022 klo 11 alkaen Festia-rakennuksen Pienessä Salissa 1, Korkeakoulunkatu 8. Vastaväittäjänä toimii professori Jakob Nikolas Kather Dresdenin teknillisestä yliopistosta. Kustoksena toimii Tampereen yliopiston biokuvainfomatiikan tutkimusryhmän johtaja, Turun yliopiston biolääketieteen laitoksen apulaisprofessori Pekka Ruusuvuori.
Tilaisuutta voi seurata etäyhteydellä. Linkki julkaistaan tällä sivulla myöhemmin.
Väitöskirjaan voi tutustua osoitteessa
https://urn.fi/URN:ISBN:978-952-03-2629-6.
Kuva: Masi Valkonen