Koneoppiminen diabeteksen diagnosoinnissa ja hoidossa

Abstract

Koneoppiminen on nouseva trendi terveysteknologian alalla ja sen hyödyntämistä eri sairauksien diagnosointiin ja hoitoon tutkitaan jatkuvasti. Tämän työn tavoitteena on perehtyä, kuinka koneoppimista voidaan hyödyntää diabeteksen diagnosoinnissa ja hoidossa. Diabetes on joukko sokeriaineenvaihduntaan vaikuttavia sairauksia, joiden esiintyvyys on kasvussa. Esiintyvyyden kasvu tekee diabeteksesta tulevaisuudessa yhteiskunnallisesti entistä merkittävämmän terveydenhuoltoa kuormittavan tekijän. Tälläkin hetkellä merkittävän iso osa terveydenhuollon kustannuksista maailmanlaajuisesti aiheutuu diabeteksesta. Ensin työssä esitetään teoriaa koneoppimisesta ja sen useista eri menetelmistä, joita hyödynnetään terveydenhuollossa. Tämän jälkeen keskitytään diabeteksen diagnosointiin ja kuinka koneoppimista voitaisiin diagnosointiprosessissa hyödyntää. Viimeiseksi ennen yhteenvetoa käsitellään diabeteksen hoidon periaatteita ja kuinka koneoppiminen soveltuu hoidon eri osa-alueille. Työ on tyypiltään kirjallisuuskatsaus ja perustuu aiemman tutkimustiedon varaan. Työn johtopäätöksenä todetaan, että koneoppiminen soveltuu sekä diabeteksen diagnosoinnin että hoidon tueksi. Ennen laajempaa kliinistä käyttöä vaaditaan kuitenkin vielä lisää tutkimusta ja kehitystä, jotta järjestelmistä saadaan tarpeeksi luotettavia. Tulevaisuudessa koneoppiminen kuitenkin mahdollisesti helpottaa ja nopeuttaa diabeteksen diagnosointia ja tukee diabeteksen hoitoa parantaen hoidon laatua vähentämällä ihmisen tekemiä arviointivirheitä.