Tiedote

Tekoäly tunnistaa eturauhassyövän

Digitaalipatologinen skanneri
Kudosnäytteitä mikroskooppilasilla digitaalipatologisessa skannerissa.
Tutkijat Tampereen yliopistossa ja Tukholman Karoliinisessa instituutissa ovat kehittäneet tekoälyyn perustuvan menetelmän eturauhassyövän histopatologiseen diagnosoimiseen ja luokitteluun. Tekoälyn käyttö saattaa ratkaista yhden nykyisen eturauhassyöpäpatologian pullonkauloista, mahdollistaen aiempaa tarkemmat diagnoosit ja tätä kautta paremmat hoitopäätökset. Tutkimus, joka julkaistiin arvostetussa The Lancet Oncology -tiedelehdessä, osoittaa, että tekoälyjärjestelmä suoriutuu eturauhassyövän tunnistamisesta ja luokittelusta yhtä hyvin kuin kokeneet uropatologit.

- Tuloksemme osoittavat, että on mahdollista kouluttaa tekoälyjärjestelmä havaitsemaan ja luokittelemaan eturauhassyöpää samalla tasolla kuin alan johtavat asiantuntijat, sanoo biokuvainformatiikan dosentti Pekka Ruusuvuori, joka vastasi Tampereen yliopiston osuudesta suomalais-ruotsalaisessa hankkeessa.

- Tämä voi merkittävästi vähentää patologien työkuormaa ja mahdollistaa keskittymisen kaikista haastavimpiin tapauksiin. Tutkimuksemme osoittaa, että laskennalliset menetelmät voivat todella auttaa patologian rutiinidiagnostiikassa.

Tekoälyn kouluttamiseksi ja testaamiseksi tutkijat skannasivat digitaalisesti yli 8000 eturauhasen koepalaa, jotka oli kerätty noin 1200 ruotsalaiselta 50-69 -vuotiaalta mieheltä.

Tutkijat kouluttivat tekoälyn erottamaan hyvänlaatuiset ja pahanlaatuiset koepalat käyttämällä noin 6600 näytettä esimerkkeinä.

Tekoälyn suorituskykyä testattiin käyttäen jäljelle jääneiden koepalojen lisäksi näytteitä kahdesta muusta tietokannasta. Järjestelmän tuottamia tuloksia verrattiin lopuksi 23 kokeneen uropatologin suorittamiin arvioihin.

Lähes täydellinen tunnistustarkkuus

Tulokset osoittivat, että tekoälyjärjestelmä kykeni miltei virheettömästi erottelemaan syöpää sisältävät koepalat hyvänlaatuisista koepaloista. Tekoäly onnistui lisäksi arvioimaan suurella tarkkuudella syöpäkudoksen pituuden kussakin koepalassa, joka on diagnostisesti olennainen lisätieto. Kun tarkasteltiin tekoälyn suorituskykyä eturauhassyövän vakavuuden arvioinnissa niin sanottua Gleason-luokitusta käyttäen, järjestelmän havaittiin niin ikään tuottavan asiantuntijoiden kanssa vertailukelpoisia tuloksia.

- Tarkoitus ei ole kuitenkaan syrjäyttää ihmisasiantuntijoita, vaan tarjota patologeille työkalu, joka voi toisaalta parantaa työtehoa, mutta samanaikaisesti myös edistää potilasturvallisuutta toimimalla varmuusmekanismina, sanoo tutkimusta johtanut dosentti Martin Eklund Karoliinisen instituutin Lääketieteellisen epidemiologian ja biostatistiikan laitokselta.

 - Lisäksi tekoälypohjainen diagnostiikka voisi olla vaihtoehto siellä, missä histopatologian asiantuntemusta ei ole tällä hetkellä lainkaan saatavissa, kuten joillakin harvaan asutuilla alueilla tai osissa kehittyviä maita.

Tieteellinen laskenta avainasemassa

Tutkimukseen käytettävissä ollut suuri aineisto oli menestyksen avain, mutta toisaalta myös laskennallinen haaste. Tekoälyn kouluttaminen kiteytyy siihen, että oppivalle algoritmille syötetään lukemattomia esimerkkejä, tässä tapauksessa skannatuista koepaloista erotettuja miljoonia digitaalisia kuvia, jotka edustavat erilaisia eturauhassyövän tyyppejä sekä hyvänlaatuista kudosta.

Käytännössä tähän liittyvä laskenta on mahdollista vain grafiikkaprosessoreilla. Tampereen tieteellisen laskennan keskuksen TCSC:n ja Tieteen tietotekniikan keskus CSC:n tarjoama moderni laskentakapasiteetti oli avainasemassa tutkimuksen kannalta.

- Se, että pystymme kouluttamaan lopullisen tekoälyjärjestelmän tämän kokoluokan aineistolla vain muutamassa päivässä on toki hienoa - mutta ehkä vielä arvokkaampaa on ollut mahdollisuus nopealla tahdilla kokeilla erilaisia ideoita jo hankkeen alkuvaiheessa. Testaamalla rinnakkain useita vaihtoehtoisia ratkaisuja opimme nopeasti, mikä toimii ja mikä ei, sanoo Tampereen yliopiston väitöskirjatutkija Kimmo Kartasalo, joka vastasi tutkimuksen käytännön toteutuksesta yhdessä ruotsalaisten väitöskirjatutkijoiden kanssa.

 - Laskentaresurssien täysimääräinen hyödyntäminen ei kuitenkaan tapahdu napinpainalluksella. Laskennallisten menetelmien kehittäminen histopatologisen kuvadatan tehokkaaksi käsittelemiseksi tietotekniset pullonkaulat välttäen edusti suurta osaa koko projektista.

Käyttöönotto potilastyössä edellyttää vielä jatkotutkimuksia

Nyt julkaistut tulokset ovat lupaavia, mutta tutkijoiden mukaan lisätyötä vaaditaan vielä ennen kuin tekoälypohjainen diagnostiikka on arkipäivää kliinisessä käytössä. Keskeinen edellytys tekoälyn laajalle hyödyntämiselle on varmuus siitä, että järjestelmä toimii luotettavasti myös kliinisessä arjessa, jossa koepalojen ulkonäkö vaihtelee muun muassa eri laboratorioiden ja eri skannerilaitteiden välillä.

- On varmistettava, että hyvä suorituskyky yleistyy eri lähteistä kerättävään dataan ja että tekoäly pystyy toimimaan luotettavasti myös kohdatessaan datassa jotain odottamatonta, Pekka Ruusuvuori sanoo.

- Nyt kun olemme osoittaneet, että todenmukaisessa, mutta kontrolloidussa koeasetelmassa on mahdollista saavuttaa erittäin korkea diagnostinen tarkkuus, seuraava askel on keskittyä niihin virhelähteisiin, joita tekoälyn on kyettävä sietämään laajassa kliinisessä käytössä.

Faktoja:
●    Eturauhassyöpä on Suomessa miesten yleisin ja toiseksi eniten kuolemia aiheuttava syöpä.
●    Euroopassa ja Yhdysvalloissa tutkitaan vuosittain yli 20 miljoonaa eturauhasen koepalaa.
●    Patologeista on pulaa maailmanlaajuisesti: esimerkiksi joissakin kehittyvissä maissa työskentelee ainoastaan yksi patologi yli miljoonaa ihmistä kohden.
●    Koepalojen objektiivisen ja toistettavan arvioinnin vaikeus hankaloittaa usein pyrkimyksiä alentaa eturauhassyöpäkuolleisuutta.

Tutkimuksen rahoittajat: Elektroniikkainsinöörien säätiö, Emil Aaltosen säätiö, European Research Council, KAUTE-säätiö, Orionin tutkimussäätiö, Suomen akatemia, Svenska Tekniska Vetenskapsakademien i Finland, Swedish Cancer Society, Swedish eScience Research Center, Swedish Research Council, Swedish Research Council for Health, Working Life, and Welfare (FORTE), Syöpäsäätiö, Tampereen teknillisen yliopiston tukisäätiö, Tampereen yliopiston tohtorikoulu, Tampereen yliopiston tukisäätiö, Tekniikan edistämissäätiö, TUT on World Tour -ohjelma, Tutkijat maailmalle -ohjelma, Walter Ahlströmin säätiö.

Julkaisu: “Artificial intelligence for diagnosis and grading of prostate cancer in biopsies: a population-based, diagnostic study,” Peter Ström, Kimmo Kartasalo, Henrik Olsson, Leslie Solorzano, Brett Delahunt, Daniel M Berney, David G Bostwick, Andrew J. Evans , David J Grignon, Peter A Humphrey, Kenneth A Iczkowski, James G Kench, Glen Kristiansen, Theodorus H van der Kwast, Katia RM Leite, Jesse K McKenney, Jon Oxley, Chin-Chen Pan, Hemamali Samaratunga, John R Srigley, Hiroyuki Takahashi, Toyonori Tsuzuki, Murali Varma, Ming Zhou, Johan Lindberg, Cecilia Lindskog, Pekka Ruusuvuori, Carolina Wählby, Henrik Grönberg, Mattias Rantalainen, Lars Egevad, Martin Eklund, The Lancet Oncology, Jan. 8, 2020
 

Lisätiedot:
Pekka Ruusuvuori, apulaisprofessori, Biolääketieteen laitos, Turun yliopisto ja  biokuvainformatiikan dosentti, Tampereen yliopisto
050 318 2407, pekka.ruusuvuori@utu.fi, pekka.ruusuvuori@tuni.fi

TAMPEREEN YLIOPISTON TIEDOTE 9.1.2020
 

Kuva: Kimmo Kartasalo