Terveyssuosituksia tekoälyltä?

Kiinnostus terveyteen ja hyvinvointiin on seurannut ihmistä koko olemassaolomme ajan. Pyrkimys hyvään oloon on perusasia, jonka monesti huomioi viimeistään silloin, kun alkaa voida huonosti. Optimaalisen hyvinvoinnin näkökulmasta tulisi muun muassa syödä ja liikkua monipuolisesti, nukkua tehokkaasti ja tarpeeksi sekä pitkäkestoista stressiä. Näiden terveyttä tukevien toimien tueksi on tarjolla runsaasti erilaisia digitaalisia apuvälineitä, jotka seuraavat, mittaavat ja analysoivat terveystekojamme ja elimistömme tilaa. Hyödyntämällä näiden digitaalisten apuvälineiden, laitteiden ja sovellusten tuottamaa tietoa tekoälyratkaisujen varantona, voidaan saada yksilön terveyttä edistäviä henkilökohtaisia suosituksia. Tällöin puhutaan yleisen (generative AI) tai ennustavan (predictive AI) tekoälyn sijasta suosittelevasta eli preskriptiivisestä (prescriptive AI) tekoälystä.^1,2

Terveyssuositusten seuraaminen

Suositusten mukaisesti aikuisten (18–65-vuotiaat) tulisi viikossa harrastaa kohtuukuormitteista kestävyysliikuntaa vähintään kaksi ja puoli tuntia ja lihaskuntoa ylläpitävää liikuntaa vähintään Tämän lisäksi tulisi ja liikuskella mahdollisimman paljon^3,4. (Kuva 1.)

Kuva 1. Viikoittainen liikkumisen suositus 18–64-vuotiaille. UKK-instituutti.

Istua ei saisi yhtäjaksoisesti pitkiä aikoja, seisomaan pitäisi nousta muutaman kerran tunnissa. Portaita pitäisi käyttää mahdollisimman paljon ja työpaikalle olisi hyvä kävellä, jos se suinkin on mahdollista⁵

Pohjoismaisten ravitsemussuositusten (2023)⁶ mukaisesti aikuisen tulisi syödä

• vihanneksia, kasviksia, hedelmiä ja marjoja vähintään 500–800 g / vrk
• palkokasveja ja perunaa (merkittävänä osana ruokavaliota)
• täysjyväviljaa 90 g/ vrk
• pähkinöitä ja siemeniä, 30 g/ vrk
• kalaa 300–450 g/ viikko
• punaista lihaa alle 350 g/ viikko
• vähärasvaisia tai rasavttomia maitovalmisteita 3,5–5dl/ vrk ja
• kasviöljyjä vähintään 25 g/ vrk.

Lisäksi nukkua tulisi yksilöllisen tarpeen mukaisesti, joka aikuisilla vaihtelee kuudesta yhdeksään tuntia. Unen riittävän pituuden lisäksi huomiota tulisi kohdentaa sen laatuun: hyvässä unessa erilaiset vaiheet, kuten perusuni (NREM) ja vilkeuni (REM), vuorottelevat.⁷

Terveystekojen mittaaminen

Edellä mainitut terveyden peruspilarit – liikunta, ravitsemus ja uni  – ovat myös mittaajien ja laitevalmistajien tähtäimessä.  Esimerkiksi fyysisen aktiivisuuden ja treenisessioiden mittaamiseen on maailmalla tarjolla satoja, jopa tuhansia, erilaisia vaihtoehtoja. Älykellot, -sormukset ja esimerkiksi lenkkitossuihin kiinnitettävät anturit mittaavat aktiivisuutta laitteen sisäisellä kiihtyvyysanturilla, joka tallentaa käden tai jalan liikkeitä. Rekisteröivän mittausdatan perusteella laite analysoi liikkeiden taajuutta, voimakkuutta ja säännöllisyyttä ja antaa lukemat, nykyään jo melkein aina, helppokäyttöiseen mobiiliapplikaatioon.

Unen  mittaaminen on myös suosittua, ja sitä voi helposti tehdä aktiivisuusrannekkeilla, urheilu- ja älykelloilla. Luotettavimmin nämä unen mittaamisen välineet toimivat yöunen keston eri univaiheiden luotettavan tunnistamisen sijasta. Siihen tarvitaan tarkempia diagnostisia menetelmiä, kuten unipolygrafiatutkimus terveydenhuollon laboratoriossa. Älykellojen ja -sormusten mittaamat unen arvot kuitenkin antavat pohjan myös monille stressiä, palautumista ja jopa resilienssiä kuvaaville laskennallisille arvoille, joita monet mittaajat aktiivisesti seuraavat.  Esimerkiksi laskennallisista arvoista älysormusvalmistaja kuvaa resilienssiä stressin ja palautumisen tasapainoksi, jonka laskennassa hyödynnetään resilienssin osatekijöiksi määriteltyjä tekijöitä: päiväaikainen stressi ja palauttava aika sekä unenaikaisen palautumisen arvot, kuten sykevälivaihtelu (HRV) ja leposyke.⁸

Haastavin mitattava näistä kolmesta lienee ravitsemussuositusten noudattaminen, vaikkakin myös ruokavalion seuraamiseen ja elämäntapamuutosten tukemiseen löytyy erilaisia sovelluksia. Ne kuitenkin lähes poikkeuksetta perustuvat käyttäjän omaan motivaatioon ja syötyjen kalorien kirjaamisaktiivisuuteen⁹, ei muun elämän ohella tapahtuvaan sujuvaan rekisteröintiin. Käyttäjän omien kirjausten perusteella sovellukset laskevat päivittäisen kalorimäärän ja antavat suosituksia esimerkiksi terveellisemmistä valinnoista. Pitkäaikaiseen käyttöön motivoituminen on kuitenkin monille suuri haaste.

Preskriptiivinen tekoäly terveyden edistämisen tukena

Preskriptiivinen eli suositteleva tekoäly tuo mielenkiintoisen näkökulman terveyskäyttäytymisen mittaamisen ja terveyttä edistävien henkilökohtaisten suositusten välille. Kuvitellaanpa tilannetta, jossa terveyssuositukset perustuvat yksilön fyysiseen aktiivisuuteen, uneen ja ruokavalioon liittyviin mitattuihin ja kirjattuihin tuloksiin. Lisätään kuvitelmaan työterveyshuollossa analysoidut laboratoriotutkimustulokset ja muu käyttäjän kirjaama terveysdata, kuten paino ja verenpaine, viimeisen viiden vuoden ajalta. Lisäksi nippuun laitetaan ravitsemukseen liittyvät kulutustottumustiedot esimerkiksi kauppojen kanta-asiakasjärjestelmistä, mikäli syötyjen aterioiden aktuaalista dataa ei ole saatavilla. Tämän yhdistelmän perusteella annetaan yksilöllisiä terveyssuosituksia preskriptiivisen tekoälyn avulla.

Preskriptiivinen tekoäly ei pelkästään analysoi terveysdataa, vaan myös ehdottaa konkreettisia toimenpiteitä ja toimintasuunnitelmia terveydentilan parantamiseksi.

Tehostetaan kokonaisuutta edelleen lisäämällä tilastollinen eliniänodote ja arvio terveistä elinvuosista eri käyttäytymismalleille. Uskon, että motivoituminen terveystekoihin helpottuisi visuaalista mallia tai numeroita tarkastelemalla. Suositteleva tekoäly voisi toimia apuna hankaliin elämäntapamuutoksiin motivoitumisessa esimerkiksi lihavuuden tai tyypin 2 diabetesta sairastavien potilaiden hoidossa.

Esimerkki on kuitenkin kuvitteellinen, eikä edellisen kaltaista tekoälyratkaisua ole vielä kehitetty, raportoitu tai se ei ole toistaiseksi osunut mittausdatan jalostamisesta terveyssuosituksiksi antaa kuitenkin suomalainen älysormus, Oura. Se arvioi sydämen terveyttä ja kardiovaskulaarista ikää¹⁰ rekisteröityjen arvojen perusteella ja tarjoaa viikoittaisia vinkkejä ja neuvoja esimerkiksi tyydyttyneiden rasvojen käyttöön, nukkumiseen ja verenkiertoelimistön hyvinvointiin liittyen. Kardiovaskulaarisen iän arvio perustuu valtimoiden läpi kulkevan pulssiaallon nopeuteen.

Hyötyjä ja haasteita

Yksilöllisten terveyssuositusten suosittelusta voisi olla hyötyä tilanteissa, joissa preskriptiivinen tekoäly

• antaa yksilöllisiä terveyssuosituksia ja konkreettisia toimintaohjeita tunnistetun terveydentilan ja elämäntapojen perusteella
• ottaa huomioon yksilöllisiä terveystavoitteita ja auttaa tekemään parempia valintoja
• toimii virtuaaliassistenttina, joka motivoi henkilökohtaisten tavoitteiden saavuttamisessa
• antaa enemmän vastuuta valinnoista yksilölle itselleen ja tekee näkyväksi erilaisten terveystekojen merkityksen
• toimii seurannan tukena yksilön ja terveydenhuollon toimijoiden välillä.

Suosittelevasta tekoälystä voisivat hyötyä esimerkiksi tyypin 2 liikuntaelinsairaat. Myös mielenterveyden haasteita kokevat, muita asiakas- ja potilasryhmiä unohtamatta. Preskriptiivinen tekoäly antaisi arvokkaan välineen sekä biohakkerin¹¹ että perusterveen kansalaisen työkalupakkiin.

Käyttöä haastaviin asioihin nousevat samat tekijät kuin tekoälyn eettiseen hyödyntämiseen ylipäänsä, kuten

• tietosuoja, tietoturva ja yksityisyydensuoja henkilökohtaisen terveystiedon käsittelyssä
• yksilöllisen terveysdatan liikuttamiseen liittyvät säännökset. Terveysteknologiaa koskeva regulaatio ei tällä hetkellä mahdollista terveyssovellusten, -kellojen tai -sormusten mittausdatan siirtämistä potilastietojärjestelmiin
• tekoälymallien kouluttamiseen liittyvät huolet: virheellisesti koulutettu tai vinoutunut malli voi antaa virheellisiä suosituksia ja edelleen johtaa jopa haitallisiin terveysvaikutuksiin
• päätöksentekoon ja vastuisiin liittyvät kysymykset
• uusien teknolgioiden käyttöönottoon ja henkilöstön kouluttamiseen liittyvät kustannukset.

Näiden lisäksi aiemmassa ChatGPT:n terveyskäyttöä käsittelevässä tutkimuksessa on todettu, että toistaiseksi tekoälymallit keskittyvät turvallisuuteen tehokkuuden sijasta, eivät pysty tarjoamaan reaaliaikaista tukea, yksilöllisesti personoituja sisältöjä eivätkä kaipaamaamme interaktiivisuutta kahden toimijan välillä¹².

Kirjoittaja

Mari Virtanen on terveystieteilijä ja yliopettaja (TtT) Metropolia Ammattikorkeakoulussa. Hän on kiinnostunut sotepalvelujen vastuullisesta kehittämisestä, terveyspalvelujen vaikuttavasta digitalisaatiosta ja digitaalisen potilasohjauksen rajattomista mahdollisuuksista. Näiden teemojen parissa hän opettaa ja tekee tutkimusta.

Lähteet

¹ Marr, B. 2023. Generative, Predictive, Prescriptive AI: What They Mean For Business Applications.

² Gofore. 2024. Tekoälyterminologia: generatiivinen vs. toiminnallinen tekoäly.

³ UKK-instituutti. 2024. Aikuisten liikkumisen suositukset.

⁴Leppäluoto, J., Ahola, R., Karl-Heinz Herzig, K-H. Ym. 2012. Aikuisten terveysliikunnan laadun ja määrän objektiivinen mittaaminen.  Duodecimlehti, 2012;128(1):72-9.

⁵ UKK-Instituutti. 2024. Suositukset istumisen vähentämiseen.

⁶ Ruokavirasto. 2023. NNR2023 Pohjoismaiset ravitsemussuositukset.

⁷ Käypä hoito -suositus. 2023. Unettomuus. Suomalaisen Lääkäriseuran Duodecimin ja Suomen Unitutkimusseura ry:n asettama työryhmä. Helsinki: Suomalainen Lääkäriseura Duodecim.

⁸ Oura Health. 2023. Resilienssi – Oura-Tuki (ouraring.com).

⁹ Saastamoinen, A. 2016. Lähtevätkö kilot kännykällä? — vertailussa kolme sovellusta kolmelle eri laihduttajatyypille. Yle, Kuningaskuluttaja.

¹⁰ Oura Health. 2023. Cardiovascular Age – Oura Help (ouraring.com).

¹¹ Soininen, M. 2017. Mitä teen, kun potilas on biohakkeri? Lääkärilehti, 14:72;915.

¹² Dergaa, I., Saad, H., Omri, A. et al. 2024. Using artificial intelligence for exercise prescription in personalised health promotion: A critical evaluation of OpenAI’s GPT-4 model. Biology of Sport, 41(2).