HUS Helsingin yliopistollisen sairaalan vetämän hankkeen tavoitteena on parantaa hedelmöityshoitojen onnistumistodennäköisyyttä ja kustannustehokkuutta. CGI tuo projektiin tekoälyosaamista, jota tarvitaan, kun kehitetään lääketieteellisen kuvantamisen tunnistusmenetelmiä tekoälyn avulla.
Hankkeessa etsitään yksilöllisempiä ratkaisuja hoitojen valintaan ja ennustettavuuteen, yhdistämällä lääketiedettä, tekoälyä ja kliinistä tutkimusta.
”Globaalisti noin 15 prosenttia lasta toivovista pareista kärsii tahattomasta lapsettomuudesta, mikä tekee projektista erittäin merkityksellisen. Potilaan näkökulmasta on tärkeää saada realistista tietoa siitä, miten todennäköisesti hoito onnistuu", taustoittaa HUSin lisääntymislääketieteen osastonylilääkäri Hanna Savolainen-Peltonen, joka toimii IVF-AI-projektin (in vitro fertilisaatio, koeputkihedelmöitys) projektin kliinikkoasiantuntijana.
"Tavoitteena on luoda laajasti hyödynnettävissä oleva ratkaisu, joka voi auttaa pariskuntia ympäri maailmaa. Tekoälyä voidaan käyttää analysoimaan aiempia kuvia alkioista ja soluista, mikäli hedelmöityshoitoja on jo tehty”, kertoo hankkeesta CGI:llä vastaava Miikka Kiiski.
Hankkeen tavoitteena on luoda työkalu, joka tukee hedelmöityshoitoja tarjoamalla numeerisia ennusteita ja apua alkiovalinnassa. "Tämän projektin tavoitteena on, että parit tulisivat nopeammin raskaaksi ja kliinikot säästäisivät aikaa," Hanna Savolainen-Peltonen kiteyttää. Lisäksi projektin avulla pyritään saamaan uutta kliinistä ymmärrystä alkioista ja niiden potentiaalisista merkkiaineista.
Hanke toteutetaan osana Clever Health Networkia yhteistyössä HUSin ja HPE:n (Hewlett Packard Enterprise) kanssa.
