Suomalainen Aiforia on kehittänyt käänteentekevän tekoälysovelluksen, joka kykenee tunnistamaan kudosnäytekuvista erittäin tarkasti ja nopeasti esimerkiksi syöpäsolujen kaltaisia muutoksia. Uudenlainen tekoälyn ja ihmisen yhteistyö parantaa merkittävästi kuva-analytiikkaa, jossa aiemmin on luotettu vain aistinvaraisiin havaintoihin. Tekoälyn avulla voidaan laatia täsmällisempiä hoitosuunnitelmia ja saada parempia tutkimustuloksia.
Aiforian teknologiaa käytetään ympäri maailmaa tutkimuksessa, lääkekehityksessä ja diagnostiikassa. Tekoäly pystyy analysoimaan suuret määrät dataa nopeasti ja tasalaatuisesti, mikä vähentää inhimillisten virheiden mahdollisuutta. Vaikka tekoäly ei korvaa ihmistä, se voi tarjota arvokasta tukea patologeille ja tutkijoille, sekä parantaa diagnoosien ja tutkimusten tarkkuutta. Esimerkiksi valtavan kokoiset kudosnäytekuvat ovat ihmiselle erittäin työläitä analysoida. Tekoäly puolestaan pystyy nopeasti tunnistamaan epäilyttävät alueet ja laskemaan tarkasti ja toistettavasti tunnistettavat piirteet, jolloin patologi tai tutkija voi keskittyä huolestuttavien kohtien ja tulosten tarkistamiseen.
Aiforia on lähtöisin Helsingin yliopistolta, Suomen molekyylilääketieteen instituutista FIMM:stä. Tutkijaveljekset Mikael ja Johan Lundin kehittivät siellä alun perin pilvipohjaisen työkalun suurten kudosnäytekuvien hallintaan ja jakamiseen. Kolmas yrityksen perustaja, Kari Pitkänen, toi mukanaan pitkän linjan yrittäjäkokemuksensa bioteknologia-alalta. Yhdessä he päättivät vuonna 2013 kaupallistaa keksintönsä, ja Aiforia sai alkunsa. Yritys aloitti toimintansa viiden hengen tiimillä, jolla oli alusta lähtien tuote, jota voitiin myydä asiakkaille. Samanaikaisesti yritys kuitenkin jatkoi tekoälypohjaisen kuva-analyysiteknologian kehittämistä ja uusi tuote – ensimmäinen laatuaan maailmassa - lanseerattiin vuonna 2018. Alkuvuosina asiakkaina olivat tutkimusryhmät ja instituutit ympäri maailmaa, hieman myöhemmin myös lääkekehitysyhtiöt ja lopulta kliinisen diagnostiikan toimijat.
Syöpäsoluista betonin laatuun
Aiforian tekoälymallit perustuvat syväoppiviin neuroverkkoihin, jotka tunnistavat monimutkaisia kuvioita ja piirteitä lääketieteellisistä kuvista.
"Onneksi valittiin syväoppivat neuroverkot ja konvoluutioneuroverkot teknologiapohjaksi," toteaa yhtiön operatiivinen johtaja, Kaisa Helminen.
Nämä nimittäin myöhemmin vakiintuivat alalla vallitsevaksi teknologiaksi monessa eri sovelluksessa. Aiforian tekoälyalustaa on hyödynnetty jopa betonin laadun valvonnassa. Käyttäjät pystyvät itse nimittäin kouluttamaan yhtiön kehittämän tekoälyn tunnistamaan lähes mitä tahansa kuvadataa. Aiforian teknologia kehitettiin alusta lähtien pilvipohjaiseksi, mikä on tehnyt siitä helposti käyttöönotettavan ja osaltaan siivittänyt yhtiön menestystä. Kaisa Helminen muistuttaa, että Suomessa on pitkät perinteet alalla.
"Meillä oli myös onnea alussa, kun löysimme alan huippuosaajia sekä kuva-analytiikan että ohjelmistokehityksen puolelta."
Yhtiön sijainti Suomessa on myös ollut kilpailuvaltti, esimerkiksi Piilaaksossa kilpailu huippuosaajista on huomattavasti kovempaa.
AI:n eksponentiaalinen kehitys - ihminen ohjaimissa
Aiforian mallit on koulutettu valtavilla datamäärillä, mahdollistaen patologisten muutosten ja merkittävien erityispiirteiden tunnistamisen lääketieteellisistä kuvista. Oppiminen tapahtuu ihmisen johdolla.
“Ihminen opettaa tekoälylle, esimerkiksi mikä on immuunisolu ja miltä näyttää kasvain. Meidän ohjelmisto on nimenomaan tehty helppoon ja nopeaan tekoälyn opettamiseen , jossa asiantuntija voi siirtää osaamisensa tekoälylle.”, kertoo Kaisa Helminen.
Kun tieto on kerran opetettu, tekoäly pystyy toistamaan opetettua tehtävää yhä uudelleen tarkasti ja johdonmukaisesti. Asiantuntija aina varmistaa tekoälyn tekemät havainnot. Näin asiantuntijoilta säästyy valtavasti aikaa ja työlästä laskentaa. Lisäksi
tekoäly ei väsy, toisin kuin ihminen, joka uupuneena ja kiireessä saattaa tehdä virheitä. Aiforian ohjelmistossa tekoälyn tuottamat tulokset näkyvät visualisointina kuvanäytteen päällä, mikä tekee työkalun käytöstä helposti tulkittavaa ja intuitiivista. Asiantuntija voi joko hyväksyä tulokset tai muuttaa niitä, jos on koneen kanssa eri mieltä. Kuitenkin on hyvä muistaa, että tekoäly osaa vain sen, mikä sille on opetettu - eli ihmisen työpanos on edelleen korvaamaton. Esimerkiksi jokainen syöpälaji on uniikki ja jokaisen erityispiirteet on opetettava erikseen tekoälylle. Tällä hetkellä Aiforialla on rinta- eturauhas- ja keuhkosyövän diagnostiikkaan regulatiivisesti hyväksytyt ratkaisut ja se kehittää jatkuvasti lisää tekoälymalleja erilaisiin sairauksiin. Aiforian asiakkaat ovat puolestaan itse kouluttaneet tekoälymalleja jo yli tuhanteen käyttötarkoitukseen.
Hoitovasteen ennustaminen
Aiforian tekoälyä voidaan muun kliinisen datan kanssa käyttää myös hoidon kulun ennustamiseen. Tämä mahdollistaa merkittäviä säästöjä. Yhdessä amerikkalaisen Mayo klinikan kanssa tehdyssä tutkimuksessa kolorektaali-syövän uusiutumattomuutta voitiin täsmällisesti ennustaa ja säästää potilas turhalta kemoterapialta. Joidenkin arvioiden mukaan jopa kolmasosa annetuista hoidoista on turhia.(*) Tarkempia ennusteita tarjoava sovellus voisi pelkästään Yhdysvalloissa säästää satoja miljoonia dollareita.
Tulevaisuudessa generatiivisen tekoälyn ja kuva-analytiikan odotetaan kehittyvän huimin harppauksin. Uudet innovaatiot, kuten entistä kehittyneemmät syväoppimismallit ja reaaliaikainen kuvantunnistus, parantavat diagnoosien tarkkuutta ja nopeutta. Aiforia näkee tekoälyn roolin kasvavan erityisesti eri sairauksien ymmärtämisessä ja tutkimuksessa, joka voi auttaa uusien hoitojen kehittämisessä. On myös mahdollista, että tulevaisuudessa tekoälymallit pystyvät hoitamaan itsenäisesti yksinkertaisia tehtäviä kuten seulontoja, jolloin asiantuntijat keskittyisivät vain niihin näytteisiin joissa on löydöksiä. AI mahdollistaa myös kokokudosnäytteeen tarkan ja toistettavan analysoinnin, mikä osaltaan voi vaikuttaa täysin uusien diagnostisten kriteereiden kehittymiseen.
(*) Lisätietoja kolorektaali-syöpätutkimuksesta:
Commentaires