Planmecan ja FCAI:n yhteistyö: Koneoppiminen suun ja leuan alueen kuvantamisessa

Hampaiden hermojuurikanavan löytäminen ja sen koon määrittäminen on yleensä aikaa vievää. Nyt se voidaan tunnistaa automaattisesti kone- ja syväoppimismenetelmien avulla, mikä nopeuttaa ja helpottaa terveydenhuollon ammattilaisten työtä sekä tekee hoidosta turvallisempaa. Hanke syntyi yhteistyöstä FCAI:n kanssa ja siihen osallistui alusta alkaen lääkäreitä Tampereen yliopistollisesta sairaalasta.

”Kliinikot vaikuttivat suuresti myös tutkimusaiheiden valintaan. Meille oli tärkeää, että aiheet valittiin niin, että niillä on todellista kliinistä vaikutusta. Tutkimusaiheiksi valittiin alaleuan hermokanavan segmentointi ja kefalometristen pisteiden merkitseminen 3D-kuviin”, kertoo tutkimuspäällikkö Ari Hietanen Planmecasta.

Innovointi terveysalalla vaatii tietoa ja taitoja monelta osa-alueelta, minkä vuoksi FCAI:n, Planmecan ja Tampereen yliopistollisen sairaalan kolmikantainen yhteistyö on voittava yhdistelmä. Tarvittava dataan liittyvää ja kliininen asiantuntemus tulevat kliinikoilta, koneoppimismenetelmiin liittyvä metodologinen tutkimus ja asiantuntemus yliopistolta sekä tekninen sovellus- ja liiketoimintaosaaminen yritykseltä.

Planmeca on ollut yksi FCAI:n alkuperäisistä kumppaneista toukokuusta 2018 lähtien. Tämän yhteistyön kautta saatu rahoitus on tukenut erityisesti professori Kimmo Kasken ohjauksessa olevaa väitöskirjatutkija Jaakko Sahlstenia ja professori Simo Särkän ohjauksessa olevaa väitöskirjatutkija Joel Jaskaria. He ovat kehittäneet syväoppimismenetelmiä projektia varten ja julkaisseet tuloksiaan aktiivisesti. ”Julkaisut ovat tärkeä osa yhteistyöprojektia. Ne edistävät tohtoriopiskelijoiden opinnäytetöitä sekä tarjoavat kriittistä tietoa lääketieteen asiantuntijoille”, Sahlsten sanoo.

Planmecalle yhteistyö merkitsee uusia ja merkittäviä liiketoimintamahdollisuuksia. ”Päätuotteemme ovat digitaaliset röntgenlaitteet ja hammashoitokoneet. Meille on aina ollut tärkeää olla kehityksen kärjessä ja olemme panostaneet voimakkaasti tutkimukseen ja kehitykseen. Koneoppimisratkaisut ovat luonnollinen jatke tälle, sillä ne ovat tärkeä osa tulevaisuuden teknologiaratkaisuja”, Hietanen sanoo.

Viittaus: Jaskari, J., Sahlsten, J., Järnstedt, J. et al. Deep Learning Method for Mandibular Canal Segmentation in Dental Cone Beam Computed Tomography Volumes. Sci Rep 10, 5842 (2020).

Lue lisää tutkimusyhteistyöstä FCAI:n kanssa (englanniksi)