Tekoäly ja syväoppiminen ovat viime vuosina tuoneet merkittäviä edistysaskeleita lääketieteelliseen kuvantunnistukseen. HyvoData-hankkeen yhtenä tavoitteena on rakentaa järjestelmä, joka tunnistaa kroonisten haavojen paranemisvaiheita ja kudostyyppejä haavakuvista yhtä tarkasti kuin asiantuntija.
Krooninen haava on haava, joka ei parane normaalisti viikoissa, vaan jää avoimeksi pitkäksi aikaa. Tällaisia haavoja ovat esimerkiksi diabeettiset jalkahaavat, laskimoperäiset säärihaavat ja painehaavat. Väestön ikääntyminen ja kroonisten sairauksien yleistyminen ovat kasvattaneet näiden haavojen määrää – ja samalla myös terveydenhuollon kustannuksia. Arvioiden mukaan kroonisten haavojen hoito voi kattaa jopa 3–5 % terveydenhuollon menoista. Suurimmat kuluerät syntyvät sairaalajaksoista, poliklinikka- ja kotihoitokäynneistä.
Suomessa kliinisessä työssä tekoälysovelluksia haavojen tunnistamiseen ei vielä hyödynnetä eikä niitä ole käytössä, vaikka maailmalla tätä kehitystyötä tehdään jatkuvasti. HyvoData-hankkeen yhtenä tavoitteena on tehostaa kroonisten haavojen tunnistamista tekoälypohjaisella lääketieteellisellä kuvantunnistusjärjestelmällä Satasairaalan haava-ammattilaisten ja Satakunnan ammattikorkeakoulun tekoälytiimin yhteistyöllä.
Turvallisuus ja tutkimuseettisyys etusijalla
Työkalun kehitys aloitettiin aineiston, eli kroonisten haavojen kuvien, keräämisellä Satasairaalan tiedostoista. Tavoitteena on kerätä ja luokitella 500–1000 kuvaa erilaisista vaiheista haavan paranemisessa. Haavat luokitellaan tyypin mukaan (esim. granuloiva, nekroottinen, katteinen, kuiva), ja lisäksi tunnistetaan haavaympäristön punoitus, infektion merkit, liiallinen kosteus sekä syvemmät kudokset kuten jänne ja luu.
Krooninen haava kuvataan yleensä vastaanotolla ja kuvien keruun yhteydessä kaikki mahdolliset tunnistettavat elementit rajataan pois. Tietosuojakäytännöt ovat tärkeässä asemassa koko kehitysprosessissa. Kaikki aineisto käsitellään anonyymisti ja tietoturvallisesti kansallisia ja kansainvälisiä eettisiä ohjeita noudattaen.
Parempaa hoitoa ja potilasturvallisuutta
Uusi tekoälypohjainen järjestelmä voi tulevaisuudessa parantaa kroonisten haavojen tunnistamista, nopeuttaa hoidon suunnittelua ja parantaa potilasturvallisuutta – erityisesti siellä, missä haavaosaamista on niukemmin. Lisäksi järjestelmä voi tuoda säästöjä hyvinvointialueiden kireisiin budjetteihin ja avata polkuja uusille kehityshankkeille.
Kun tekoälymalli on rakennettu, sen kykyä tunnistaa haavatyyppejä verrataan asiantuntijoiden arvioihin. Lopuksi järjestelmää on tarkoitus testata potilastyössä.
HyvoData-hanke on Euroopan unionin osarahoittama.
