Tutkimusryhmä
INSIGHT – Intelligent Sensing and Computing Technologies
Tutkimusta lääketieteen ja tekoälyn risteyskohdassa.
INSIGHTissa olemme erikoistuneet älykkäisiin mittaus- ja laskentateknologioihin, jotka sijoittuvat laskennallisten ja biologisten tieteiden rajapintaan. Ratkaisumme edistävät innovaatioita lääketieteen tekniikan sekä terveys- ja hyvinvointiteknologioiden alueilla. Keskitymme kehittämään edistyneitä laskennallisia menetelmiä – kuten hajautettua koneoppimista lääketieteelliseen kuvantamiseen – tukemaan diagnostiikkaa, potilasseurantaa ja kliinistä päätöksentekoa.
Ydinosaamisalueemme ovat
1
Tietosuojalähtöinen generatiivinen tekoäly ja hajautettu koneoppiminen
2
Konenäkö ja koneoppiminen lääketieteen kuvantamisessa
Tutkimus- ja kehitystyön infrastruktuuri
INSIGHT Lab
Käytössämme on terveys- ja urheiluteknologian testialusta INSIGHT Lab, jossa hyödynnetään mm. biosensorista teknologiaa, koneoppimista ja lisättyä todellisuutta. Tutkimuslaboratoriossa kehitetään digitaalisia terveydenhuollon palveluja ja tehdään lääkinnällisten laitteiden tuotekehitystä yhdessä sote-organisaatioiden ja yritysten kanssa. Laboratorion laitteet ja osaaminen ovat kumppaneidemme käytössä yhteisissä tutkimus- ja kehityshankkeissa. INSIGHT Lab toimii myös INSIGHT- ja KM4HP-tutkimusryhmien yhteisenä oppimisympäristönä.
Tutkimusryhmän johto
Asiantuntijamme
Tutkimusryhmän ja INSIGHT Labin henkilökuntaan kuuluu terveysteknologian, data-analytiikan ja ohjelmistokehityksen ammattilaisia, joilla on alalta kymmenien vuosien kokemus. Suurin osa asiantuntijoistamme on väitellyt tekoälyyn tai ohjelmointiin liittyvistä aiheista. Olemme toteuttaneet useita tutkimus-, tuotekehitys- ja palveluhankkeita sekä terveysteknologian alan koulutuskokonaisuuksia.
-
Uutinen
Suomen ensimmäinen synteettisen terveysdatan testialusta valmis – tarjoaa tutkijoille aidonkaltaista terveysdataa
Yhteishankkeessa on luotu Suomen ensimmäinen synteettisen terveysdatan testialusta, joka mahdollistaa aidonkaltaisen datan käytön tutkimuksen alkuvaiheessa ilman yksityisyydensuojan riskejä. Yhteistyössä alueen terveysalan toimijoiden kanssa kehitetty alusta auttaa yhdistämään tietolähteitä ja kehittämään uusia terveysalan konsepteja. Terveysalan tuotekehitys tarvitsee laadukasta dataa. Keinotekoisesti tuotetut aineistot soveltuvat vain rajallisiin käyttötarkoituksiin, kun taas aitojen terveystietojen käyttö on vahvasti säänneltyä.
Tärkeimmät julkaisut
Shopland, N. et al. (2026). Towards Inclusive AI System Development for Disease Risk Prediction: Collecting, Prioritising and Incorporating User Stories from Heterogeneous Stakeholders. In: Duffy, V.G., Gao, Q., Zhou, J. (eds) HCI International 2025 – Late Breaking Papers. HCII 2025. Lecture Notes in Computer Science, vol 16340. Springer, Cham. https://doi.org/10.1007/978-3-032-13022-8_27
Tryykilä, P., & Kontio, E. (2025). Ecosystem supporting the commercialization of digital health innovations. Finnish Journal of EHealth and EWelfare, 17(1). https://doi.org/10.23996/fjhw.154958
Khan, M. I., Kontio, E., Khan, S. A., & Jafaritadi, M. (2025). Federated Brain Tumor Segmentation Using Bayesian Similarity-Weighted Aggregation. Neural Information Processing, 61–73. https://doi.org/10.1007/978-981-96-6969-1_5
Linardos, A., Pati, S., Baid, U., Edwards, B., Foley, P., Ta, K., Chung, V., Sheller, M., Khan, M. I., Jafaritadi, M., Kontio, E., Khan, S., Mächler, L., Ezhov, I., Shit, S., Paetzold, J. C., Grimberg, G., Nickel, M. A., Naccache, D., … Bakas, S. (2025). The MICCAI Federated Tumor Segmentation (FeTS) Challenge 2024: Efficient and Robust Aggregation Methods. Machine Learning for Biomedical Imaging, 3(December 2025), 757–774. https://doi.org/10.59275/j.melba.2025-5242
Zenk, M., Baid, U., Pati, S., Linardos, A., Edwards, B., Sheller, M., Foley, P., Aristizabal, A., Zimmerer, D., Gruzdev, A., Martin, J., Shinohara, R. T., Reinke, A., Isensee, F., Parampottupadam, S., Parekh, K., Floca, R., Kassem, H., Baheti, B., … Bakas, S. (2025). Towards fair decentralized benchmarking of healthcare AI algorithms with the Federated Tumor Segmentation (FeTS) challenge. Nature Communications, 16(1). https://doi.org/10.1038/s41467-025-60466-1
Kontio, E., & Salmi, J. (2024). Democracy and Artificial General Intelligence. Human Factors, Business Management and Society. https://doi.org/10.54941/ahfe1004960
Ranttila, P., Sahebi, G., Kontio, E., & Salmi, J. (2024). Medical AI in the EU: Regulatory Considerations and Future Outlook. Artificial Intelligence – Social, Ethical and Legal Issues. https://doi.org/10.5772/intechopen.1007443
Jafaritadi, M., Teuho, J., Lehtonen, E., Klén, R., Saraste, A., & Levin, C. S. (2024). Deep generative denoising networks enhance quality and accuracy of gated cardiac PET data. Annals of Nuclear Medicine, 38(10), 775–788. https://doi.org/10.1007/s12149-024-01945-1
Pitkämäki, T., Pahikkala, T., Perez, I. M., Movahedi, P., Nieminen, V., Southerington, T., Vaiste, J., Jafaritadi, M., Khan, M. I., Kontio, E., Ranttila, P., Pajula, J., Pölönen, H., Degerli, A., Plomp, J., & Airola, A. (2024). Finnish perspective on using synthetic health data to protect privacy: the PRIVASA project. Applied Computing and Intelligence, 4(2), 138–163. https://doi.org/10.3934/aci.2024009
Khan, M. I., Azeem, M. A., Alhoniemi, E., Kontio, E., Khan, S. A., & Jafaritadi, M. (2023). Regularized Weight Aggregation in Networked Federated Learning for Glioblastoma Segmentation. Brainlesion: Glioma, Multiple Sclerosis, Stroke and Traumatic Brain Injuries, 121–132. https://doi.org/10.1007/978-3-031-44153-0_12
Schultz, J., Siekkinen, R., Tadi, M. J., Teräs, M., Klén, R., Lehtonen, E., Saraste, A., & Teuho, J. (2022). Effect of respiratory motion correction and CT-based attenuation correction on dual-gated cardiac PET image quality and quantification. Journal of Nuclear Cardiology, 29(5), 2423–2433. https://doi.org/10.1007/s12350-021-02769-6
Gambin, J. R., Tadi, M. J., Teuho, J., Klen, R., Knuuti, J., Koskinen, J., Saraste, A., & Lehtonen, E. (2021). Learning to Denoise Gated Cardiac PET Images Using Convolutional Neural Networks. IEEE Access, 9, 145886–145899. https://doi.org/10.1109/access.2021.3122194
Khan, M.I., Jafaritadi, M., Alhoniemi, E., Kontio, E., Khan, S.A. (2022). Adaptive Weight Aggregation in Federated Learning for Brain Tumor Segmentation. In: Crimi, A., Bakas, S. (eds) Brainlesion: Glioma, Multiple Sclerosis, Stroke and Traumatic Brain Injuries. BrainLes 2021. Lecture Notes in Computer Science, vol 12963. Springer, Cham. https://doi.org/10.1007/978-3-031-09002-8_40
Elina Kontio, Antti Airola, Tapio Pahikkala, Heljä Lundgren-Laine, Kristiina Junttila, Heikki Korvenranta, Tapio Salakoski, Sanna Salanterä. Predicting patient acuity from electronic patient records, Journal of Biomedical Informatics. Volume 51,
2014, Pages 35-40, ISSN 1532-0464, https://doi.org/10.1016/j.jbi.2014.04.001.
M. I. Khan, E. Alhoniemi, E. Kontio, S. A. Khan and M. Jafaritadi, ”RegAgg: A Scalable Approach for Efficient Weight Aggregation in Federated Lesion Segmentation of Brain MRIs,” 2023 Eighth International Conference on Fog and Mobile Edge Computing (FMEC), Tartu, Estonia, 2023, pp. 101-106, https://doi.org/10.1109/fmec59375.2023.10306171
Félix J, Moreira J, Santos R, Kontio E, Pinheiro AR, Sousa ASP. Health-Related Telemonitoring Parameters/Signals of Older Adults: An Umbrella Review. Sensors. 2023; 23(2):796. https://doi.org/10.3390/s23020796
Koulutukset
Verkosto & kumppanit
Yhteistyökumppaneita ovat yritykset, sairaanhoitopiirit, kunnat, terveydenhuollon järjestöt ja kolmannen sektorin toimijat, korkeakoulut sekä tutkimus- ja kehittämisyksiköt. Teemme aktiivista yhteistyötä Terveyskampus Turku ja Teknologiakampus Turku -verkostoissa. Yhteistyötä tehdään myös Turun yliopiston tietotekniikan laitoksen ja Varsinais-Suomen hyvinvointialueen kanssa.
Olemme myös Terveyskampus Turku -osaamiskeskittymän ja sen TERTTU-palvelun testi- ja kehittämisalustan yhteistyökumppani.
Vahvaa projektiosaamista
Turun AMK:n projektitoimisto tarjoaa tukea ja ohjausta koko TKI-projektin elinkaaren ajalle. Hankeasiantuntijoillamme on vuosien kokemus ja vahva osaaminen kansallisista ja kansainvälisistä rahoitusohjelmista. Meillä on vuosittain käynnissä yli 200 hanketta, ja TKI-toimintamme sai ulkoista rahoitusta yli 10 miljoonaa euroa.