Jyväskylän yliopistossa tehdyssä pro gradu -tutkielmassa kehitettiin syväoppimiseen perustuva annosennustemalli. Mallin tarkoituksena on ennustata rintasyöpäpotilaiden sädehoidon annosjakaumia. Tutkimus toteutettiin yhteistyössä Keski-Suomen sairaala Novan ja Kuopion yliopistollisen sairaalan (KYS) kanssa.

Perinteisesti sädehoidon annossuunnittelu on asiantuntijatyötä, jossa pyritään maksimoimaan kasvaimeen kohdistuva säteily ja minimoimaan terveille kudoksille aiheutuvat vauriot. Nykyiset menetelmät perustuvat usein kokeiluun ja toistoihin, mikä tekee prosessista aikaa vievän. Tekoälyä hyödyntävän mallin tarkoituksena on tuottaa vertailukohta, joka voisi nopeuttaa tätä suunnitteluvaihetta.

Tutkimuksessa käytettiin rintasyöpäpotilaiden aiempia hoitosuunnitelmia tekoälyn opettamiseen. Tulosten mukaan kehitetty malli kykeni ennustamaan annosjakaumat tarkasti. Tiedotteen mukaan tekoälypohjainen lähestymistapa voi parantaa hoidon laatua vähentämällä suunnittelijoiden välisiä eroja ja tarjoamalla objektiivisemman pohjan hoidon toteutukselle.

Vaikka tulokset ovat lupaavia, teknologian käyttöönotto vaatii jatkotutkimuksia ja kliinistä testausta. Tutkimuksessa korostetaan, että tekoäly on tarkoitettu asiantuntijoiden työkaluksi eikä se korvaa lääketieteellisen fysiikan asiantuntijoiden tekemää lopullista tarkastusta ja hyväksyntää.

Sädehoidon optimointi on keskeinen osa syövän hoitoa, sillä rintasyöpä on yksi yleisimmistä syöpätyypeistä. Teknologian kehittymisen myötä sairaaloissa etsitään keinoja tehostaa resursseja ja lyhentää hoidon aloitukseen kuluvaa aikaa.