Koneoppimisen hyödyntäminen Parkinsonin taudin diagnosoinnissa

Abstract

Parkinsonin tauti on yleinen ikääntyvien ihmisten pitkäaikainen parantumaton hermoston rappeumasairaus. Parkinsonin taudin potilaalle varhaisempi oikea diagnoosi on tärkeä, sillä parhaiten potilaan elämänlaatua voidaan ylläpitää, kun oikeanlainen hoito aloitetaan ajoissa. Tämänhetkiset diagnoosimenetelmät kärsivät epätarkkuudesta ja ovat myös kalliita. Apuna voisi olla koneoppimisen menetelmät. Koneoppimisen käyttö on lisääntynyt viime vuosina nopeasti, ja menetelmät ovat käytössä myös terveydenhuollossa. Työn tavoitteena on selvittää, mitä koneoppimisen menetelmiä voidaan soveltaa Parkinsonin taudin diagnosointiin, ja mistä oireista Parkinsonin tautia voidaan diagnosoida parhaiten näillä menetelmillä.

Työssä tutkitaan tarkemmin puheen, käsialan ja kävelyliikkeen mittausdatoihin perustuvia koneoppimismalleja. Parhaat tulokset on saatu kävelyliikedataa käyttävillä malleilla, johtuen mahdollisesti kävelyoireiden kytkeytymisestä vahvasti perinteiseen Parkinsonin taudin diagnoosiin, jolloin oireita on tutkittu pitempään. Kaikkien mittauskohteiden vahvuutena on niiden matalat kustannukset ja helppous koehenkilölle. Puheen sekä kävelyliikkeen mittaamiseen voidaan hyödyntää älypuhelinta, jonka avulla myös puolijatkuva pitkäaikaisseuranta on mahdollista, esimerkiksi hoidon vasteen arvioimiseksi.

Työssä tutkittujen koneoppimismenetelmien hyödyntäminen Parkinsonin taudin diagnosoinnissa on tarkempaa ja kustannustehokkaampaa kuin perinteiset menetelmät. Koneoppimismalleilla saavutettu tarkkuus on keskimääräisesti lääkärin arviota parempi. Menetelmien avulla myös objektiivinen hoidon vasteen arviointi olisi mahdollista. Mallien koulutukseen käytetyt otannat ovat kuitenkin suppeita, joka voi johtaa mallin puolueellisuuteen. Lisäksi johtuen tutkimuksien raportointistandardien puutteellisuudesta, malleista ei kaikkia tarpeellisia tietoja ole jaettu, jolloin on vaikeaa uudelleen toistaa tutkimukset.

Koneoppimismenetelmillä on paljon potentiaalia olla tulevaisuudessa kliinisessä käytössä Parkinsonin taudin diagnosoinnin aputyökaluna terveydenhuollonammattilaisille. Perusteluina ovat aikaisempi, tarkempi ja kustannustehokkaampi diagnoosi, jonka avulla hoito voidaan aloittaa sairauden varhaisemmassa vaiheessa, mikä ylläpitää potilaan työkykyä ja elämänlaatua. Menetelmillä on mahdollista myös suorittaa pitkäaikaisseurantaa, jolla voidaan arvioida hoidon vastetta ja löytää uusia tehoavia hoitokeinoja. Tällä hetkellä kuitenkin tutkimuksien puolueellisuus ja huono uudelleentoistettavuus estävät mallien yleistämisen. Lisäksi kehitetyn koneoppimismallin pitää olla kokonaan jäljitettävä, jotta se täyttäisi lääketieteelliset standardit.