
Aiforia Create 8.0 kokoaa patologian AI-työn – koodausta ei tarvita

Helsingissä pääkonttoriaan pitävä Aiforia Technologies Oyj julkisti Aiforia Create 8.0:n maailmanlaajuisen markkinajulkaisun 15. lokakuuta 2026. Pilvipohjainen työkalu kokoaa patologian kuvien annotoinnin, tekoälymallin koulutuksen, arvioinnin ja projektidatan hallinnan aiempaa yhtenäisempään työtilaan. Patologit ja tutkijat voivat rakentaa malleja kirjoittamatta koodia. Create on tarkoitettu tutkimuskäyttöön, joten kehitystyökalulla tehty malli ei sen perusteella siirry suoraan potilasdiagnostiikkaan.
Pathology Newsin julkaisema Aiforian tiedote kertoo päivityksen tulevan nykyisille asiakastileille seuraavien viikkojen aikana; samassa tiedotteessa toimitusjohtaja Jukka Tapaninen tiivistää uudistuksen tavoitteeksi “overcome technical bottlenecks”. Asiakkaiden nykyisten projektien annotoinnit, omat tekoälymallit ja historiatiedot siirtyvät uuteen versioon. Markkinajulkaisun päivä ei siis ole sama asia kuin päivä, jolloin jokainen käyttäjä saa uuden työtilan käyttöönsä.
Uusi työtila yhdistää mallin rakentamisen vaiheet
Uudistuksen näkyvin muutos on työskentelyn kokoaminen samaan näkymään. Koulutuksen ohjaimet, annotointityökalut ja kuvien visuaaliset säädöt ovat lähempänä toisiaan, joten käyttäjän tarvitsee siirtyä harvemmin näkymästä toiseen aineistoa valmistellessaan. Automaattisten toimintojen tarkoitus on vähentää toistuvia käsivaiheita. Julkaisussa ei kuitenkaan anneta vertailukelpoista mittausta siitä, kuinka paljon yksittäisen tutkimusprojektin työaika lyhenee.
Annotoinnissa asiantuntija merkitsee digitoidusta kudoskuvasta alueita tai rakenteita, joiden avulla mallia opetetaan tunnistamaan haluttu piirre. Kooditon käyttöliittymä poistaa ohjelmointivaiheen mallin rakentajalta, mutta tutkittavan ilmiön määrittely pysyy patologian asiantuntijan työnä. Merkintöjen sisältö vaikuttaa siihen, mitä malli voi oppia ja millaisia virheitä sen myöhemmässä arvioinnissa on mahdollista havaita. Siksi uudistus palvelee erityisesti ryhmiä, joilla on kuvien tulkintaan tarvittava osaaminen mutta ei omaa ohjelmistokehitystä.
Ominaisuuden hyöty riippuu myös sen rajasta
Uudistus koskee mallin kehitysketjun eri kohtia. Kunkin toiminnon käytännön merkitys selviää, kun sen hyödyn rinnalla katsoo, mitä toiminto ei vielä ratkaise:
- Yhdistetty työtila: koulutuksen ohjaimet, merkintävälineet ja kuvan säädöt löytyvät samasta näkymästä. Se sujuvoittaa peräkkäisiä työvaiheita, mutta käyttöliittymän muutos ei itsessään paranna mallin tunnistustarkkuutta.
- Foundation Engine: perustamallien piirteitä yhdistetään tehtäväkohtaisiin asiantuntijamerkintöihin. Tavoitteena on vähentää uuden mallin tarvitsemaa annotointi- ja koulutustyötä sekä parantaa sietokykyä värjäys- ja skannerivaihtelulle. Yksittäisen mallin toiminta on silti arvioitava sen omassa tehtävässä ja aineistossa.
- Vuorovaikutteinen arviointi: kokonaista digitoitua näytelasia voi tarkastella työtilassa, ja sekaannusmatriisi auttaa kohdistamaan huomion virheluokkiin. Näin kehittäjä voi etsiä alueita, joilla mallia kannattaa muokata. Kehitysvaiheen virheanalyysi ei yksin kuvaa mallin toimintaa uusilla potilasnäytteillä.
- Datan elinkaaren hallinta: laajennetut hallintatoiminnot ja keskitetty auditointiloki tukevat projektin tapahtumien jäljittämistä. Loki voi kertoa, mitä kehitystyössä tapahtui, mutta se ei mittaa herkkyyttä, virheiden seurauksia eikä sitä, kattaako arviointiaineisto suunnitellun käytön vaihtelun.
Foundation Engine ei ole pelkkä uusi painike työtilassa. Perustamallin ja asiantuntijan merkitsemien esimerkkien yhdistelmä pyrkii siirtämään osan oppimisesta valmiiseen mallipohjaan, jolloin kaikkea ei tarvitse opettaa tyhjästä. Juuri siksi tehtäväkohtaiset merkinnät ovat edelleen olennaisia: patologian kuvassa sama yleinen rakenne voi saada eri merkityksen sen mukaan, mitä mallilta pyydetään tunnistamaan tai mittaamaan. Julkaisun väitteet nopeudesta ja vaihtelunsiedosta kuvaavat tuotteen tavoitetta, eivät jokaiselle käyttäjälle luvattua tulosta.
Tutkimusmallin ja diagnostisen tuotteen välillä on erillinen vaihe
Aiforian Create-tuotesivu määrittelee työkalun tutkimuskäyttöön tarkoitetuksi ja kertoo, että käyttö edellyttää yhtiön pilvipohjaisen kuvienhallinta-alustan tilausta. Sivulla kuvataan myös mallien viemistä tutkimuksen tai kliinisen työnkulun osaksi. Työnkulkuun liittäminen ei kuitenkaan anna itse Create-työkalulle tai jokaiselle sillä rakennetulle mallille diagnostista käyttötarkoitusta.
Tutkimusmallista kliiniseen ratkaisuun eteneminen edellyttää ensin täsmällistä käyttötarkoitusta: mitä kudospiirrettä malli käsittelee, millaisista näytteistä ja minkä päätöksen tueksi. Mallin suorituskykyä on sen jälkeen arvioitava käyttötarkoitukseen sopivalla aineistolla ja niissä olosuhteissa, joissa sitä aiotaan käyttää. Myös kliinisen ratkaisun sääntelyasema on selvitettävä erikseen. Mallin onnistunut koulutus, lupaava sekaannusmatriisi tai aukoton tapahtumaloki vastaa eri kysymykseen kuin hyväksyntä käyttää tulosta diagnoosin tukena.
Ero on käyttäjälle olennainen, koska sama alusta voi palvella sekä tutkimusprojektien kehitystä että myöhempää käyttöönottoa. Tutkimusryhmä voi muokata mallia uuden aineiston perusteella, kun taas potilaskäyttöön tarkoitetussa ratkaisussa on tiedettävä tarkasti, mikä malliversio ja käyttöympäristö on arvioitu. Kehitysympäristön joustavuus auttaa kokeilemaan vaihtoehtoja; kliininen päätös tarvitsee näyttöä juuri valitusta ratkaisusta.
Päivityksen vaikutus näkyy vasta asiakastileillä
Nykyisille asiakkaille seuraava konkreettinen tapahtuma on uuden version ilmestyminen omalle tilille. Silloin selviää käytännössä, miten vanhat annotoinnit ja mallit avautuvat uudessa työtilassa ja miten uudistetut arviointivälineet sopivat käynnissä olevaan projektiin. Vaiheittainen käyttöönotto jättää tilikohtaisen ajankohdan avoimeksi. Diagnostiikkaa suunnittelevalle ryhmälle varsinainen jatkopäätös koskee erikseen arvioitua mallia ja sen määriteltyä kliinistä käyttötarkoitusta.
Lue myös:
Aiheeseen liittyvät artikkelit


Ollama vai ChatGPT? Yksityisyys voittaa paikallisesti, teho pilvessä

MAI‑Base‑2:ssa on 2,8 biljoonaa parametria – käyttöä saa vielä odottaa

OpenAI-agentti ohitti Medicare-portaalin estot – ilmoitus viivästyi kuukausia

Leonardo AI vai Adobe Firefly? Yrityskäytössä koulutusdata ratkaisee

Accenture sai Mjølner-kaupassa 400 uutta ohjelmisto-osaajaa
Tilaa uutiskirjeemme
Saat tuoreimmat Web3-, tekoäly- ja kryptouutiset suoraan sähköpostiisi.