Tekoäly ja sen mahdolliset sovelluskohteet kiinnostavat laajasti myös terveydenhuollon toimijoita. Uudenlaisten älykkäiden mahdollisuuksien ilmaantuessa, niiden hyötyjä tarkastellaan osana terveydenhuollon asiantuntijoiden työtä, potilaiden hoitoa, ohjausta ja erilaisia päätöksentekoprosesseja. Monien mahdollisuuksien lisäksi tekoälyn käyttö aiheuttaa huolta ja nostaa esiin niin eettisiä kysymyksiä kuin osaamisen kehittämiseen liittyviä tarpeita.
Potilas voi hyötyä tekoälyn käytöstä monin eri tavoin. Edistyneet tekoälyalgoritmit ja sovellukset voivat analysoida valtavia tietomääriä hetkessä ja ennustaa potilaan tilassa tapahtuvia muutoksia. Tekoälyalgoritmit voivat auttaa tekemään tarkempia diagnooseja ja edelleen vaikuttaa hoidon varhaiseen aloittamiseen ja parempiin hoitotuloksiin. Älykkäiden teknologiaratkaisujen myötävaikutuksella voidaan tarjota entistä henkilökohtaistetumpaa hoitoa, potilaan aiempaan terveyshistoriaan perustuen.
Diagnostinen tukiäly
Otetaan ensimmäiseksi esimerkiksi erilaiset syövät, joiden osalta diagnostiset viiveet voivat vaikeuttaa hoitoa ja aiheuttaa yksilöllistä haittaa ja kärsimystä. Ban ym. (2023) ovat kehittäneet munasarjasyövän diagnostiikkaan koneoppimiseen perustuvaa tekoälyä, joka on tunnistanut verinäytteestä munasarjasyövälle ominaisia merkkiaineita 93 %:n tarkkuudella, osoittautuen tarkemmaksi kuin aikaisemmat diagnostiset menetelmät1. Vastaavasti munuaissyövän osalta tekoälyn avulla on saavutettu yli 99-prosenttinen tarkkuus kasvainsolukon ja terveen kudoksen erottelussa ja noin 94-prosenttinen tarkkuus syövän eri alatyyppien luokittelussa2. Rintasyövän diagnostiikassa tekoälyalgoritmeja on hyödynnetty esimerkiksi pahanlaatuisten kasvainten tunnistamiseen seulontamammografiatutkimuksissa, joissa tekoälyn tekemä tulkinta on osoittautunut yhtä hyväksi tai jopa paremmaksi kuin yksittäisen radiologin.3 Melanoomadiagnostiikkaan on saatu apuja älykkäistä neuroverkoista, jotka tunnistavat pahanlaatuisia muutoksia potilaan iholta otetuista valokuvista4. Edellisten esimerkkien lisäksi tekoälydiagnostista kehitystä on tehty pään ja kaulan alueen5 ja pediatristen syöpien6 diagnostiikkassa ja metastaattisten syöpien ennustamisessa 7. Tekoälyyn perustuvia ratkaisuja on tutkittu laajasti myös muiden sairauksien, kuten iho-, maksa- ja sydänsairauksien, rappeuttavien aivosairauksien8 ja aivoverenvuotojen9 tunnistamiseen.
Yksilöllisen ja oikein ajoitetun hoidon ennustaja
Potilaan kliinisen tilan muutoksia ennustavia malleja on kehitettyvarhaisten hoitopäätösten tueksi esimerkiksi sydäninfarktien, diabeetikkojen liitännäisoireiden ja vastasyntyneiden sepsiksen ennustamiseen. Sydäninfarktien varhaisen tunnistamisen avulla hoidon painopistettä on pyritty siirtämään ennaltaehkäisevään suuntaan tunnistamalla korkean riskin potilaita jo ennen akuutin infarktin kehittymistä10.
Vastasyntyneiden tehohoidossa on pyritty tunnistamaan pienet potilaat, joiden tila on kehittymässä vaikeaan suuntaan. HUSin ensimmäisessä IBM:n Watson- projektissa tekoälymalli tunnisti vastasyntyneen sepsiksen noin 90 %:n tarkkuudella 24 tuntia ennen positiivisen veriviljelynäytteen ottoa. Tässä aineistossa merkittävinä sepsiksen kehittymistä ennustavina tekijöinä olivat hapen osapaineeseen, happikylläisyyteen ja sisäänhengityksen happiosuuksiin liittyvät parametrit.11
Diabeetikkojen hoidossa tekoälystä on etsitty apua haitallisten verensokeritasojen varhaisempaan toteamiseen, insuliiniannosten laskemiseen ja yksilöllisten riskien tunnistamiseen12.
Uusien lääkkeiden kehittäjä ja lääketurvallisuuden varmistaja
Tekoälyn mahdollisuuksia on tunnistettu myös lääkekehityksessä. Siihen liittyen Euroopan lääkevirasto on julkaissut luonnoksen tekoälyn hyödyntämisestä lääkkeiden kehittämisessä, valvonnassa ja käyttämisessä. Siitä toivotaan apua aikaa vievissä ja kalliissa kliinisissä kokeissa.13 Lääkekehityksen osalta erittäin merkittävää on, että tutkijat ovat tekoälyn avulla löytäneet ensimmäiset uudet antibiootit 60 vuoteen. Näistä toivotaan apua esimerkiksi antibiottiresistenttien Stafylococcus Aureus (MRSA) -bakteeri-infektioiden hoitoon14.
Huomionarvioista on, että tutkijat ovat tekoälyn avulla löytäneet ensimmäiset uudet antibiootit 60 vuoteen.
Itsehoidon tuki ja potilasohjauksen uudistaja
Itsehoidon ja potilasohjauksen näkökulmista tekoäly voi tarjota potilaille tietoa ja yksilöllisiä ohjeita sekä auttaa heitä seuraamaan hoitoonsa ja terveyteensä liittyviä muuttujia. Esimerkiksi suureen suosioon noussut kielimalli ChatGPT on ollut esillä myös itsehoidon näkökulmasta. Sen käytöstä on hyvä ymmärtää sen käytännössä olevan edistynyt “sanojen arvauskone”, eikä aiempaa tutkittua tietoa luotettavasti referoiva tietopankki. Lääkealan turvallisuus- ja kehittämiskeskus Fimea onkin testannut ChatGPT:tä lääkitykseen liittyvien esimerkkien avulla ja todennut sen monesti osuvan oikeaan, mutta korostanut kriittisten virheiden mahdollisuutta. Se saattaa vastaustensa pohjana käyttää vanhentutta tietoa ja jopa sepittää eli hallusinoida faktoja15.
Potilasohjauksen ja itsehoidon tueksi tekoäly kuitenkin voisi monella tavalla soveltua. Erityisesti sen rooli olisi ennaltaehkäisevässä työssä, terveydenhuollon asiantuntijoiden ja kliinisen hoitotyön tukena. Väsymätöntä apua siitä voitaisiin saada esimerkiksi haastavien elämäntapamuutosten ja niihin liittyvien liitännäissairauksien tueksi. Hyvinvointi- ja terveysdataa ja kulutus- ja liikuntatottumuksia yhdistelemällä älykkäät algoritmit kykenisivät ennustamaan yksilön tulevia riskejä ja omien toimien vaikutusta niihin. Käytännön toteutumisen osalta tämä jää visioinnin tasolle, koska terveysteknologiaa ja lääkinnälliseen käyttöön tarkoitettuja laitteita koskee hyvin tiukka EU-tasoinen sääntely16, joka koskee myös tekoälyratkaisujen hyödyntämistä lääkinnällisenä laitteena. Mikään ei kuitenkaan estäisi hyödyntämästä älykästä teknologiaa yksilön hyvinvoinnin tukena, hyvinvointiteknologian näkökulmasta. Tähän tarkoitukseen löytyykin jo markkinoilta lukematon määrä erilaisia yksilön tilaa seuraavia ratkaisuja, kuten rannekkeita, kelloja, sormuksia ja vaikkapa sukkia tai lenkkitossuja.
Sepittely ja epätasapaino haasteina
Kaiken hypetyksen ja esiin nostettujen mahdollisuuksien ohella tekoälyratkaisuihin liittyy paljon epävarmuuksia. Faktojen lisäksi ne voivat sepitellä omiaan ja tuottaa jopa väärää tietoa.17 Laadukkaan terveydenhuollon ja korkean potilasturvallisuuden takaamiseksi onkin välttämätöntä varmistaa, että tekoälyn tuottama tieto, suositukset tai sen tekemät diagnoosit ovat oikeita eivätkä johda virheellisiin hoitopäätöksiin. Teknisten ratkaisujen lisäksi tarvitaan tekoälyosaavaa henkilökuntaa, jotka ovat tietoisia tekoälyratkaisujen mahdollisuuksista ja rajoitteista. Alan asiantuntijoiden on voitava ymmärtää ja osattava selittää tekoälyn tekemiä monimutkaisiakin päätöksentekoprosesseja. Kaiken varalta tulee myös pohtia ja määritellä, kenen vastuulla tekoälyn tekemät päätökset ja mahdolliset virheet tai vahingot lopulta ovat.
Ajan kuluessa tekoälyjärjestelmät voivat vinoutua, jos niiden opettamiseen käytetty aineisto on epätasapainoista tai puutteellista esimerkiksi ikäryhmän, etnisyyden, sukupuolen tai muiden muuttujien osalta. Epätasapainoisen datan hyödyntäminen päätöksenteon tukena voi johtaa esimerkiksi tilanteisiin, joissa eri potilasryhmät saavat erilaista hoitoa. Tämän poissulkeminen edellyttää monipuolisten tietoaineistojen käyttöä ja mahdollisia vinoumia aiheuttavien tekijöiden tunnistamista. Tekoälyosaava henkilökunta nousee tässäkin keskiöön.
Mikäli tekoälyratkaisuja hyödynnetään potilaan hoidossa, tulisi potilaan olla tietoinen tekoälyn osallistumisesta päätöksentekoon ja sen tulisi perustua tietoiseen suostumukseen. Lisäksi tekoälyn hyödyntäessä sensitiivisiä potilastietoja, tulisi varmistaa, että prosessi tapahtuu yksilönsuojaa, tietosuojaa ja -turvaa asianmukaisesti noudattaen.
Kirjoittaja
Mari Virtanen on terveystieteilijä, yliopettaja (TtT) ja tutkintovastaava tutkinto-ohjelmassa Digitaalisten sosiaali- ja terveyspalvelujen kliininen asiantuntija (YAMK). Hän on kiinnostunut sotepalvelujen vastuullisesta ja vaikuttavasta kehittämisestä, terveyspalvelujen digitalisaatiosta ja digitaalisen potilasohjauksen rajattomista mahdollisuuksista. Näiden teemojen parissa hän opettaa ja tekee tutkimusta ja kehittämistyötä.
Lähteet
1 Ban, D., Housley, S. Matyuriana, V. et al. 2024. A personalized probabilistic approach to ovarian cancer diagnostics. Gynecologic Oncology,182:168-174.
2 Tabibu, S., Vinod, PK. & Jawahar, CV. 2019. Pan-renal cell carcinoma classification and survival prediction from histopathology images using deep learning. Scientific Reports, 9:10509.
3 Huhtanen, H., Nyman, M., Karlsson, A. & Hirvonen, J. 2020. Tekoäly radiologiassa. Lääketieteellinen Aikakauskirja Duodecim, 136(17):1957-64.
4 Lewis, M. 2021. An artificial intelligence tool that can help detect melanoma | MIT News | Massachusetts Institute of Technology MIT News, April 2, 2021.
5 van Dijk, L. & Fuller, C. 2021. Artificial Intelligence and Radiomics in Head and Neck Cancer Care: Opportunities, Mechanics, and Challenges. American Society of Clinical Oncology Educational Book, 41, e225-e235.
6 Yang, Y., Zhang, Y. & Li, Y. 2023. Artificial intelligence applications in pediatric oncology diagnosis. Exploration of Targeted Antitumor Therapy, 4(1):157-169.
7 Albaradei, S., Thafar, M. & Alsaedi, A. et al. 2021. Machine learning and deep learning methods that use omics data for metastasis prediction. Computational and Structural Biotechnology Journal, 19: 5008-5018.
8 Kumar, Y., Koul, A., Singla, R. et al. 2023. Artificial intelligence in disease diagnosis: a systematic literature review, synthesizing framework and future research agenda. Journal of Ambient Intelligence and Humanized Computing, 14, 8459–8486.
9 Aalto, M. 2023. Hus kehittää kaikessa hiljaisuudessa tekoälyä, jonka pitäisi valloittaa maailma – Kaupunki | HS.fi, 16.11.2023.
10 Rojek, I., Kozielski, M., Dorożyński, J., et al. 2022. AI-Based Prediction of Myocardial Infarction Risk as an Element of Preventive Medicine. MPDI Applied Scences, 12, 9596.
11 Leskinen, M. & Andersson, S. 2020. Tekoäly vastasyntyneiden tehohoidossa. Lääketieteellinen Aikakauskirja Duodecim, 136(17):1965-70.
12 Contreras, I. & Vehi, J. 2018. Artificial Intelligence for Diabetes Management and Decision Support: Literature Review. Journal of Medical Internet Research, 20(5):e10775.
13 Fimea 2023. Euroopan lääkevirasto EMA on julkaissut luonnoksen tekoälyjen hyödyntämisestä – Fimea.fi – Fimea, 20.7.2023.
14 Dupoust, O. 2023. Scientists discover the first new antibiotics in over 60 years using AI. Euronews.health, 31.12.2023.
15 Rannanheimo, P., Korpela, J., Similä, E. ym. Fimea: Kannattaako ChatGPT:n kanssa jutella lääkkeistä? Suomen Syöpäpotilaat ry, verkkouutiset.
16 European Medicines Agengy. 2024. Medical devices | European Medicines Agency (europa.eu), 2.4.2024.
17 Heinäsenaho, M., Äyräs-Blomberg, O. & Lähesmaa, J. 2023.Tekoäly mullistaa terveydenhuoltoa – riskit voidaan torjua suunnittelulla ja yhteistyöllä (valtioneuvosto.fi). Sosiaali- ja terveysministeriö, 17.4.2023.
Ei kommentteja