Tekoäly tunnistaa perinnölliset sydänsairaudet
Tutkimuksessa selvitettiin seitsemän perinnöllisen sydänsairauden ja kontrollien luokitus käyttäen koneoppimisen algoritmeja ja niiden muunnelmia.
Tutkimus perustui kalsiumsignaaleihin. Niitä mitattiin sydänlihassoluista, jotka oli tuotettu uudelleenohjelmoiduista kantasoluista eli iPS-soluista. Sydänlihassolujen mekaaniselle ja sähköiselle toiminnalle tärkeät kalsiumsignaalit ovat hieman poikkeavia eri sydänsairauksissa, ja koneoppimisen avulla voidaan signaalien perusteella tunnistaa eri sydänsairauksia.
— Käytimme kaikkiaan 55:ttä erilaista koneoppimisen menetelmää tai niiden muunnelmaa mallintamaan kahdeksaa luokkaa. Sovelsimme kymmenkertaista ristiinvalidointia 1626 signaalin dataan, kertoo tietojenkäsittelyopin professori Martti Juhola.
Laskentatehtävä oli vaativa datan monimutkaisuuden vuoksi. Paras, noin 69 prosentin luokitustarkkuus saatiin satunnaismetsä-luokittelualgoritmeilla. Tätä tarkkuutta voidaan pitää riittävän korkeana osoittamaan, että koneoppimisella on potentiaalia erotella jopa kahdeksan tautiluokkaa, sillä käytännön tilanteessa yksittäiseen potilaaseen liittyvistä soluista mitattaisiin vähintään useita kymmeniä signaaleja.
— Tulevaisuudessa, kun sydänsolujen erilaistus- ja viljelytekniikat kehittyvät, tätä koneoppimisen luokitusmenetelmään perustuvaa lähestymistapaa voitaisiin hyödyntää perinnöllisten sydänsairauksien diagnostiikassa ja sen avulla voitaisiin mahdollisesti arvioida yksilön vakavien rytmihäiriöiden riskiä, toteaa fysiologian professori, kantasolututkija Katriina Aalto-Setälä.
Juhola ja Aalto-Setälä ovat vuodesta 2014 alkaen tehneet yhteistyötä tavoitteenaan kehittää tietokoneohjelmia kantasolututkimukseen. Seuraavaksi heidän on tarkoitus tutkia, kuinka lääkeaineet vaikuttavat uudelleenohjelmoiduista kantasoluista mitattuihin signaaleihin.
Martti Juhola, Henry Joutsijoki, Kirsi Penttinen, Disheet Shah, Risto-Pekka Pölönen, Katriina Aalto-Setälä: Data analytics for cardiac diseases Comput Biol Med. 2022 Jan 5.
https://doi.org/10.1016/j.compbiomed.2022.105218
Kuva: Jonne Renvall