ɫɫ��

Hammasimplanttia asentavan hammaslääkärin on tiedettävä potilaan alaleuan hermokanavan tarkka sijainti, jotta hän voi suunnitella implantin koon ja asennon sekä koko toimenpiteen. Tähän tarvitaan röntgenkuvia, joista hammaslääkäri tai radiologi määrittää kanavan sijainnin manuaalisesti piste pisteeltä. Kuvien tulkinta on työlästä ja aikaavievää.

Hammashoitolaitteita valmistava Planmeca, Suomen tekoälykeskus FCAI ja Tampereen yliopistollinen sairaala (Tays) yhdistivät voimansa ja kehittivät tekoälypohjaisen mallin, joka paikantaa alaleuan hermokanavan 3d-röntgenkuvista ihmistä nopeammin ja muita automatisoituja menetelmiä tarkemmin. 

”�۳�ٱ𾱲��ٲ�ö lähti liikkeelle kliinistä työtä tekevien asiantuntijoiden tarpeista ja siitä, kuinka voimme auttaa heidän päivittäistä työtään. Tekoälyn hyödyntäminen säästää huomattavasti potilaan hoidon suunnitteluun käytettyä aikaa”, sanoo Planmecan tutkimus- ja teknologiajohtaja Vesa Varjonen.

Kehitetty menetelmä perustuu syvien neuroverkkojen kouluttamiseen isolla määrällä kliinistä dataa, joka koostui kolmiulotteisista kartiokeilatietokonetomografialla (KKTT) otetuista kuvista. 

”Saimme Tampereen yliopistolliselta sairaalalta käyttöömme laajan ja monipuolisen kliinisen aineiston, joka oli tuotettu useilla 3d-kuvantamislaitteistoilla. Data jaettiin satunnaisesti niin, että osaa siitä käytettiin neuroverkkojen kouluttamiseen ja osa erotettiin kehitetyn menetelmän testaamiseen ja validointiin”, kertoo Aalto-yliopiston väitöskirjatutkija Jaakko Sahlsten. 

Tekoäly on tehokas ja väsymätön apulainen

Alaleuan hermokanavassa eli mandibulaarikanavassa kulkee leuan motoriikkaa ja kasvojen tuntoa ohjaavia hermoja. Implantin asentamisen lisäksi sen paikantaminen on tärkeää esimerkiksi viisaudenhampaiden poistamisessa ja leukakirurgiassa. Leukaluun sisällä kulkevan kanavan sijainti ja reitti on jokaisella ihmisellä yksilöllinen. 

”Yksi iso haaste tekoälymallin kouluttamisessa oli, että kallosta otetussa 3d-röntgenkuvassa mandibulaarikanava on hyvin pieni suhteessa koko kuvan datasisältöön. Aineistona tällainen koulutusdata on hyvin epätasapainoinen”, Sahlsten sanoo. 

�۳�ٱ𾱲��ٲ�ö Taysin radiologien kanssa oli avainasemassa siinä, kuinka data saatiin valjastettua tekoälyn opettamiseen.

”Kun hermoverkolle syötetään iso määrä dataa, johon mandibulaarikanavan sijainti on merkitty, se oppii optimoimaan omat sisäiset parametrinsa. Oppimisen lopputuloksena syntynyt hermoverkko löytää nopeasti mandibulaarikanavan sille syötetystä yksilöllisestä 3d-datasta”, Varjonen sanoo.

Hermoverkkomallin testaus tutkimusaineistosta erotetulla potilasdatalla osoitti, että malli onnistui paikantamaan mandibulaarikanavat niin, että vain 1–4 prosenttia tapauksista saattaa olla virheellisiä. 

”Kliinisissä arvioissa asiantuntijat kävivät läpi mallin tuottamia tuloksia ja totesivat, että 96 prosentissa tapauksista ne olivat kliinisesti täysin käytettävissä. Meillä on vahva luottamus siihen, että malli toimii hyvin”, Sahlsten toteaa. 

Ihmiseen verrattuna teköälyn etuna on, että se tekee työnsä aina yhtä tehokkaasti ja nopeasti. Tekoälymalli nopeuttaa mandibulaarikanavan löytämistä ja antaa tukea radiologien ja lääkärien päätöksentekoon. Lopullisen päätöksen hoidosta tekee aina terveysalan ammattilainen. 

Julkaisut todentavat mallien toimivuuden

Suomalainen perheyritys Planmeca on yksi maailman johtavista terveysteknologian laitevalmistajista, jonka tuotteita viedään yli 120 maahan ympäri maailmaa. Hammashoidossa käytettävät 3d-kuvantamislaitteet ja niitä tukevat ohjelmistoratkaisut ovat yrityksen liiketoiminnan tukijalka. Planmecalle yhteistyö FCAIn ja Taysin kanssa merkitsee uusia ja merkittäviä liiketoimintamahdollisuuksia. 

”Digitaalisuus ja tekoälyn hyödyntäminen kuvantamislaitteissa ovat meille tärkeitä. Integroimme tutkimuksessa kehitetyn hermoverkkomallin kuvantamislaiteohjelmistoomme, jolloin se parantaa laitteidemme käytettävyyttä ja suorituskykyä”, Varjonen sanoo. 

Tutkimusyhteistyöstä syntyneet tieteelliset julkaisut ovat tärkeitä kaikille hankkeen osapuolille. Tuloksia on julkaistu muun muassa arvostetussa Nature Portfolion Scientific Reports -julkaisussa.

”Vertaisarvioidut julkaisut ovat vahva todiste mallin toimivuudesta. Syväoppimista ei ole aiemmin käytetty tämäntyyppisissä tehtävissä, mikä lisää julkaisujen arvoa. Julkaisut edistävät myös tohtoriopiskelijoiden opinnäytetöitä”, Sahlsten toteaa.

”Julkaisut ovat meille tärkeitä, kun haemme ohjelmistollemme lääkinnällisten laitteiden hyväksyntää. Julkaisut osoittavat, että ohjelmisto on suunniteltu ohjelmistokehitysprosessien mukaisesti ja käynyt läpi kaikki tarvittavat vaiheet”, Varjonen sanoo. 

Alaleuan hermokanavan paikantamisen lisäksi Planmecan, FCAIn ja Taysin yhteishankkeessa kehitettiin hermoverkkomalli myös ortognaattiseen kirurgiaan, jossa hampaiden alueen poikkeavuuksia hoidetaan kirurgisten toimenpiteiden avulla. 

”Malli auttaa tunnistamaan koko kallon alueelta kiintopisteitä, joita tarvitaan purennan korjaukseen tai leukojen siirtämiseen tähtäävien leikkausten suunnittelussa. Samaa potilasdataa hyödynnettiin myös kolmannessa tekoälysovelluksessa”, Varjonen kertoo. 

Tekoälyllä on tulevaisuuden terveyssovelluksiin paljon tarjottavaa.

”Näen tekoälyn hyvin vahvana työkaluna, jota lääkärit ja muut asiantuntijat voivat käyttää ensiarvion tai vaihtoehtoisen mielipiteen saamisessa. Tekoälymallien haasteena on, ettei varmuudella voida antaa syitä siihen, kuinka malli päätyy tiettyyn tulokseen. Mallien selitettävyys ja läpinäkyvyyden lisääminen vaativat lisätutkimusta”, Sahlsten sanoo.

Teksti: Marjukka Puolakka 

Artikkeli on julkaistu huhtikuussa 2023.