Mikko Purhonen
Topics
Koneavusteinen MGG-värjättyjen luuydinvalmisteiden sytomorfologinen arviointi
Syväoppimismallien hyödyntäminen on mullistanut lääketieteellistä kuva-analyysiä. Tulevaisuudessa konenäkö voi toimia kliinikon työvälineenä nopeuttamalla ja tarkentamalla sytologisten näytteiden analysointia. Olemme asentaneet digitaalisen lasiskannerin HUS Diagnostiikkakeskuksen erikoishematologian osastolle digitalisoidaksemme kaikki HUSin arkistoidut MGG-värjätyt sytologiset lasinäytteet. Hankkeen tarkoituksena on tehostaa luuydinvalmisteiden, verisivelyiden sekä aivo-selkäydinnestenäytteiden morfologista analyysiä koneoppimista hyödyntäen. Toteutuessaan automaattinen analyysi tehostaisi toimintaa vastaten noin yhden laboratoriolääkärin työpanosta, auttaisi työn priorisoinnissa ja antaisi kliiniselle hematologille lisätietoa hoitojen kohdentamisessa. Lisäksi automaattinen luuytimen solumorfologian analytiikka voisi auttaa tunnistamaan hematologisten syöpäpotilaiden vaikeampia taudinkuvia ja ymmärtämään tämän taustalla olevia ilmiöitä. Ohjelmisto tukisi erikoistuvien lääkärien koulutusta sekä yhteistyötä muiden sairaaloiden ja yritysten kanssa. Päätavoitteemme on kehittää koneavusteinen analytiikka-alusta osaksi kansallista ja kansainvälistä erikoishematologian rutiinidiagnostiikkaa.