Scientific Reports -lehdessä julkaistussa tutkimuksessa verrattiin manuaalista mikroskopiaa kahteen tekoälypohjaiseen menetelmään – autonomiseen tekoälyyn ja asiantuntijan vahvistamaan tekoälyyn – suolistoloisten toteamisessa koululaisilta Keniassa kerätyistä ulostenäytteistä. FIMMissä tutkimusta johtivat Johan Lundin ja Nina Linder,
Tulokset edustavat merkittävää edistysaskelta tekoälyn hyödyntämisessä laiminlyötyjen trooppisten tautien diagnostiikassa ja korostavat FIMMin ja sen yhteistyöorganisaatioiden johtavaa asemaa globaalin digitaalisen terveyden innovaatiokentässä.
Maaperän välityksellä tarttuvat loismadot, kuten suolinkainen, piiskamato ja koukkumato, ovat yleisimpiä laiminlyötyjä trooppisia tauteja ja vaikuttavat yli 600 miljoonaan ihmiseen maailmanlaajuisesti.
Tutkimuksessa käytettiin kannettavia mikroskooppiskannereita ja syväoppivia algoritmeja yli 700 näytteen analysointiin. Tulokset osoittivat, että asiantuntijan varmistama tekoäly havaitsi enemmän tartuntoja kuin perinteinen manuaalinen mikroskopia, erityisesti vähäisen tartuntakuorman tapauksissa, jotka usein jäävät huomaamatta.
Asiantuntijan vahvistama tekoäly tunnisti koukkumadon, piiskamadon ja suolinkaisen herkkyyksillä 92 %, 94 % ja 100 %. Menetelmän tarkkuus oli yli 97 % kaikille kolmelle loismadolle.
– Tuloksemme osoittavat, miten digitaalinen kuvantaminen yhdistettynä tekoälyyn voi ratkaista pitkäaikaisia diagnostiikan haasteita globaalissa terveydenhuollossa, sanoo tutkimuksen toinen päätutkija Johan Lundin FIMMistä ja Karoliinisesta instituutista.
– Menetelmämme mahdollistaa tarkan, nopean ja skaalautuvan diagnostiikan siellä missä potilaat ovat, mikä on erityisen tärkeää, kun STH-tartuntojen yleisyys laskee maailmanlaajuisesti ja tarvitaan herkempiä menetelmiä taudin seurantaan, lisää toinen päätutkija, Nina Linder FIMMistä ja Uppsalan yliopistosta.
Asiantuntijan varmistama tekoäly mahdollistaa paikallisten asiantuntijoiden nopean, alle minuutissa tehtävän tarkistuksen tekoälyn löydöksille, mikä vähentää työmäärää ja parantaa tarkkuutta.
– Se, että asiantuntijan varmistama tekoäly oli herkin kaikille loislajeille, osoittaa, miten tekoäly voi auttaa löytämään neulan - eli loismunan - heinäsuovasta, ja vahvistaa ihmisen diagnostisia kykyjä, toteaa artikkelin ensimmäinen kirjoittaja, väitöskirjatutkija Joar von Bahr.
Tutkimus toteutettiin yhteistyössä Helsingin yliopiston Suomen molekyylilääketieteen instituutin (FIMM), Karoliinisen instituutin, Uppsalan yliopiston, Muhimbilin terveystieteiden yliopiston sekä Kinondo Kwetu -sairaalan kanssa. Sitä tukivat Erling-Perssonin säätiö, Ruotsin tutkimusneuvosto sekä useat suomalaiset yksityiset säätiöt.
Alkuperäinen julkaisu:
von Bahr, J., Suutala, A., Kucukel, H. et al. AI-supported versus manual microscopy of Kato-Katz smears for diagnosis of soil-transmitted helminth infections in a primary healthcare setting. Sci Rep 15, 20332 (2025). https://doi.org/10.1038/s41598-025-07309-7