The Lancet Digital Health -lehdessä julkaistussa tutkimuksessa kehitettiin ja testattiin syväoppimiseen perustuvaa mallia, jonka tarkoituksena on tunnistaa potilaat, joilla on suuri riski näön nopeaan heikkenemiseen. Tutkijat hyödynsivät laajaa aineistoa, joka käsitti yli 160 000 silmänpohjakuvaa lähes 14 000 potilaalta eri puolilta maailmaa. Työssä selvitettiin, kuinka tarkasti tekoäly pystyy ennustamaan sairauden etenemistä 2–5 vuoden aikajänteellä pelkän lähtötilanteen kuvauksen perusteella.

Tulokset osoittivat, että G-PROG-malli suoriutui ennustamisesta luotettavasti useissa eri testiryhmissä. Mallin antamat ennusteet vastasivat hyvin perinteisillä menetelmillä, kuten näkökenttätutkimuksilla ja hermosäiekerroksen paksuusmittauksilla, havaittuja muutoksia. Parhaimmillaan tekoäly saavutti erittäin korkean tarkkuuden sairauden etenemisen tunnistamisessa, mikä voi auttaa lääkäreitä kohdentamaan hoitoresursseja niille potilaille, jotka tarvitsevat tiiviimpää seurantaa.

Tampereella oli tutkimuksessa merkittävä rooli, sillä Tampereen yliopisto ja Pirkanmaan hyvinvointialue (Tays) olivat mukana yhtenä kansainvälisistä ulkoisista testauskeskuksista Belgian, Saksan ja Kiinan ohella. Paikallinen potilasaineisto toimi tärkeänä osana mallin validointia, jolla varmistettiin tekoälyn toimivuus eri väestöryhmissä. Tutkimusta on tukenut muun muassa Pirkanmaan hyvinvointialueen kilpailullinen tutkimusrahoitus, valtion tutkimusrahoitus sekä Taysin tukisäätiö.

Lähde: Hemelings ym. (2024). Prediction of structural glaucoma progression from baseline fundus photographs using deep learning: a retrospective multicentre study. The Lancet Digital Health.