“Patologit ovat Suomessa usein ylityöllistettyjä, mutta erityisen kriittinen tilanne on kehittyvissä maissa. Esimerkiksi joissakin Afrikan valtioissa saattaa olla vain yksi patologi Suomen väestön kokoista ihmismäärää kohden. Koneoppimisen avulla hoitoa ja ammattitaitoa voitaisiin viedä myös näille alueille.
Koneoppimisen mahdollisuudet digitaalipatologiassa kiinnostavat minua myös tutkimuksellisesti. Erityisesti minua kiehtoo niiden soveltaminen syöpätutkimuksessa. Patologi tekee näytteestä aina oman tulkintansa. Olisi kiinnostavaa nähdä, voiko koneoppimisen avulla löytää suuresta datamäärästä uutta tietoa. Olisiko mahdollista löytää esimerkiksi uusia prognostisia markkereita, joiden perusteella diagnooseja tehdään?
”Tekoälyyn ja koneoppimiseen liittyvän hypen takana
on paljon potentiaalia.”
Kiinnostuin tekniikan ja lääketieteen yhdistämisestä jo opiskeluaikana. Opiskelin Tampereen teknillisessä yliopistossa lääketieteellisen tekniikan linjalla, jossa perehdyin muun muassa signaalinkäsittelyyn. Innostus kantoi jatko-opintoihin asti, ja nykyisin työstän väitöskirjaani koneoppimisen mahdollisuuksista digitaalipatologiassa. Tutkin, miten koneoppimiseen pohjautuvaa kuva-analyysiä voitaisiin soveltaa mikroskooppikuvien analysointiin.
Olen tällä hetkellä mukana dosentti Pekka Ruusuvuoren vetämässä biokuvainformatiikan tutkimusryhmässä, jossa tutkitaan muun muassa samoja asioita kuin väitöskirjassani, koneoppimisen hyödyntämistä digitaalipatologiassa. Maaliskuussa lähden Cambridgen yliopistoon tutkijavaihtoon, missä työskentely painottuu geenitutkimuksen ja kuva-analyysin yhdistämiseen. Cambridgessä yritän löytää työkaluja siihen, miten neuroverkkoihin perustuvien syväoppivien mallien päätöksiä pystyttäisiin linkittämään biologiaan.
Tekoälyyn ja koneoppimiseen liittyy tällä hetkellä paljon hypeä. Hypen takana on kuitenkin paljon potentiaalia. Datan määrän lisääntyessä myös teknologiaa pystytään kehittämään uudella tavalla. Pitää kuitenkin muistaa, että koneoppiminen on vain yksi hyödyllinen työkalu, ei kaikkea ratkaiseva voima.”
1. Mitä alallasi pitäisi tutkia seuraavaksi? Miksi?
Neuroverkkoihin perustuvia syväoppivia malleja pitäisi ymmärtää nykyistä paremmin. Tarvitsemme lisää tietoa siitä, miksi koneoppimismalli tekee juuri tietyn päätöksen ja mihin mallin tekemät päätökset perustuvat. Lääketieteen alalla tämä tarkoittaa sitä, että syväoppivia malleja ymmärretään entistä paremmin biologian näkökulmasta.
2. Mikä tai kuka on viimeksi avartanut mieltäsi tutkimuksen saralla?
Tieteelliset konferenssit avartavat ja motivoivat aina. Niistä saa helposti käsityksen siitä, mitä omalla alalla tapahtuu. Lokakuussa 2017 osallistuin teknisten alojen konenäkökonferenssiin Venetsiassa. Siellä oli kiinnostavaa nähdä, miten konenäkö on kehittynyt riippumatta siitä, mitä dataa käytetään. Oman alan tietoutta keräsin digitaalipatologian konferenssissa Helsingissä viime kesänä. Kummastakin tapahtumasta sai valtavasti uutta intoa omaan tutkimukseen.
3. Minkä villin unelman tahtoisit tutkimustyössä toteuttaa, jos raha ei olisi este?
Haluaisin nähdä, että kaikki olemassa olevat menetelmät saataisiin terveydenhoidon ammattilaisten käyttöön. Lääketieteessä käytäntö tulee aika kaukana tutkimuksen perässä, sillä ala on niin säädelty. Siksi haluaisin vauhdittaa sitä, että hyvät käytännöt saataisiin leviämään entistä paremmin.
KAUTEn Avartajat-juttusarjassa esitellään säätiön rahoittamien tutkijoiden uusia ja mielenkiintoisia tutkimusavauksia. Sarjan jutut tarjoavat tuoreita näkökulmia ajankohtaisiin ja nouseviin ilmiöihin kaupallisten ja teknillisten tieteiden aloilta.