Sotemuotoilijat

Tulevaisuuden sosiaali- ja terveysalan palveluja ja rakenteita muotoilemassa Tilaa RSS-syöte

Tekoäly potilaan puolella
15.4.2024
Mari Lehtori Virtanen

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.

Lue lisää

Palvelumuotoilusta monitahoiset hyödyt sotepalveluiden kehittämiseen
18.12.2023
Salla Kivelä

Sosiaali- ja terveyspalvelut ovat murroksessa sote-uudistuksen ja kiristyvän taloustilanteen takia. Asiakkaan rooli on muuttunut palvelunkäyttäjänä entistä aktiivisemmaksi toimijaksi valinnan vapauden lisäännyttyä. Palvelumuotoilu kehittämisen lähestymistapana on yksi oiva vaihtoehto uusien ratkaisujen kehittämiselle muutosten keskellä, koska se tarjoaa useita hyötyjä niin asiakkaille kuin organisaatioillekin. Palvelumuotoilu kehittämisen lähtökohdaksi Palvelumuotoilu on ihmislähtöinen ja osallistava kehittämisen lähestymistapa nykyisten ja uusien palvelujen kehittämistä varten. Sen tavoitteena on luoda selkeämpiä palvelukokonaisuuksia, parantaa asiakasvuorovaikutusta ja tuottaa palvelukokemuksia. Palvelumuotoilua voidaan hyödyntää asiakaslähtöisten yksilöllisempiä palveluiden kehittämisessä, koska kehittämistoimintaan osallistetaan mukaan asiakkaita aktiivisesti ja monipuolisesti eri kehittämismenetelmien avulla. Asiakas halutaan tuoda aidosti mukaan kehittämisprosessiin, jotta kehitettävää palvelua voidaan ymmärtää juuri hänen näkökulmastaan. Asiakasymmärryksessä korostuvat asiakkaiden tarpeet, toiveet ja arvot, jotka kiteytetään uuden tai päivitetyn ratkaisun kehittämiseksi. Asiakaslähtöisen ajattelutavan tulisi olla palvelujen järjestämisen ja kehittämisen lähtökohta. Vaikka asiakaslähtöisyydestä puhutaankin paljon, niin se ei välttämättä tarkoita sitä, että asiakas otettaisiin aidosti mukaan kehittämiseen. Organisaatioissa keskustellaan asiakkaista, mutta palveluiden kehittämiseen liittyvät päätökset saatetaan silti edelleenkin tehdä pelkästään organisaation omien näkökulmien, luulojen ja olettamusten perusteella1. ei pelkästään riitä, vaan mukaan on saatava laajasti myös kehittämisorganisaation ammattilaisia ja johtoa. Palvelumuotoilu onkin yhteinen oppimismatka, jossa yhdessä tekeminen ja yhteisen näkemyksen saavuttaminen vaativat aikaa, yhteisiä kohtaamisia ja vuorovaikutusta.2 Tällä hetkellä peruspalveluja kehitetään Tulevaisuuden sosiaali- ja terveyskeskus -ohjelmassa, jossa on viisi tavoitetta palveluiden yhdenvertaisen saatavuuden, oikea-aikaisuuden ja jatkuvuuden parantaminen toiminnan painotuksen siirtäminen raskaista palveluista ehkäisevään ja ennakoivaan työhön palveluiden laadun ja vaikuttavuuden parantaminen palveluiden monialaisuuden ja yhteentoimivuuden varmistaminen kustannusten nousun hillitseminen.3 Ohjelmassa tuodaan esille, että asiakkaiden osallistuminen palveluiden kehittämiseen on varmistettava tavoitteiden saavuttamiseksi4 , joiden tueksi palvelumuotoilulla olisi varmasti annettavaa. Asiakkaan oikeus osallistua palveluidensa kehittämiseen Perinteinen organisaatiolähtöinen kehittäminen on vallinnut pitkään julkisen sotealan palveluissa, joissa toiminta on yleisesti hyvin asiantuntijakeskeistä ja hierarkkista. Lisäksi organisaatioiden palveluja ohjaavat erilaiset säädökset, periaatteet ja arvoperusta.5 Viime vuosien aikana asiakkaan perinteinen rooli on ollut muutoksessa yksilön vastuun ja valinnan vapauden lisäännyttyä. Asiakas on yhä enemmän yksilö, jolla on oikeus osallistua hoitonsa suunnitteluun ja toteutukseen6,7. Osallistumisen edistäminen on organisaation velvollisuus8. Hyvinvointialueita koskevan lain (611/2021) mukaan asiakkailla on oikeus osallistua ja vaikuttaa hyvinvointialueen toimintaan9. Asiakkaat ja ammattilaiset ovat yhtä mieltä siitä, että asiakas pitäisi ottaa enemmän mukaan palveluiden suunnitteluun ja toteutukseen10.  Palvelumuotoilu sopii hyvin palveluiden kehittämiseen sote-alalla ihmislähtöisen lähestymistavan ja alalla tapahtuvien jatkuvien muutosten takia. Muutokset vaativat yhteistyötä sekä uusia ajattelu- ja toimintatapoja11. Muutoksessa on keskeistä asiakaskokemuksen huomioiminen ja yhdessä tekeminen moniammatillisissa tiimeissä. Palvelumuotoilu pystyy haastamaan myös organisaatioiden perinteistä hierarkiaa ja siiloutumista.12 Asiakasymmärryksen lisäksi ammattilaisten kokemustieto ja asiantuntemus ovat tärkeitä palveluiden kehittämisessä. Ammattilaisten roolin tulisi muuttua muutoksen kohteesta enemmän aktiiviseksi kehittäjäksi. Silloin omaan työhönsä pystyisi myös vaikuttamaan ja oppimaan uusilla tavoilla. Vastuu aktiivisesta kehittäjäroolista ja sen tukemisesta on ammattilaisilla itsellään, mutta myös johtajilla ja organisaatioilla. Painopiste kehittämisessä on siirtymässä muodollisesta täydennyskoulutuksesta työpaikoilla tapahtuvaan yhteiskehittämiseen.13 Yhdessä asiakkaiden ja työyhteisön kanssa   Palvelumuotoilun avulla saadaan laajasti asiakkaan ja organisaation äänet yhdessä esille. Kehittämisprosessiin osallistutaan tasavertaisessa yhteistyössä osallistavien kehittämismenetelmien avulla. Menetelminä voidaan hyödyntää esimerkiksi yhteisiä ideointityöpajoja, haastatteluja tai asiakasraateja. Asiakkaiden osallistuminen mahdollistaa organisaatioille asiakasymmärryksen saamisen. Sen lisäksi osallistuminen tarjoaa kokemukseni mukaan positiivisia kokemuksia ja hyötyjä kaikille osallistujille, niin asiakkaille, työyhteisölle kuin organisaatiollekin. Palvelumuotoilun hyötyjä asiakkaalle ovat kuulluksi tuleminen itsemääräämisoikeuden vahvistuminen vaikuttamismahdollisuudet palveluiden sisällön kehittämiseen ammatillisten käsitteiden ja käytäntöjen selkeytyminen palveluihin sitoutumisen ja asiakastyytyväisyyden vahvistuminen. Hyötyjä työyhteisölle ovat kuulluksi tuleminen arjen työrutiineista irtautuminen asiantuntijuuden huomioiminen palveluiden sisällöissä näkökulmien avartuminen asiakasnäkökulman ja laajemman ammatillisen näkökulman avulla palvelun kehittämiskohteiden tunnistaminen yhteistyön ja verkostoitumisen uudet mahdollisuudet työhön sitoutumisen vahvistuminen. Kohti kilpailukykyisempää liiketoimintaa Palvelumuotoilu edistää asiakaslähtöisempää toimintaa organisaatioissa. Parhaimmillaan asiakkaiden ja ammattilaisten vuorovaikutus, näkemykset ja osaaminen muuttavat kehitettävän palvelun lisäksi myös organisaation toimintatapoja entistä toimivammiksi. Hyötyjä organisaatiolle ja sen liiketoiminnalle ovat organisaatiokulttuurin muuttuminen entistä asiakaskeskeisempään suuntaan yhteisen vuorovaikutuksen ja ymmärryksen lisääntyminen asiakkaan palvelua kohtaan tunteman todellisen kiinnostuksen tunnistaminen uusien, vaihtoehtoisten ratkaisujen löytyminen kehittämisratkaisujen testaamisen mahdollisuus kohderyhmän kanssa ennen lopullista ratkaisua tuotteiden ja palvelujen laadun parantuminen organisaation osaamisen ja tietoperustan syventyminen työyhteisön vahvempi sitoutuminen organisaation toimintaan ja periaatteisiin asiakasymmärrykseen perustuvien parempien palveluiden luominen, mikä johtaaiiketoiminnan kasvun. Palvelumuotoilusta hyötyvät organisaatiot, jotka haluavat kehittää liiketoimintaansa nostamalla asiakaskokemuksensa ja yhteistyön eri toimijoiden välillä uudelle tasolle. Kehittäminen vaatii kuitenkin aikaa, resursseja, osaamista ja kehittämismenetelmien tuntemista. Ennen kaikkea palvelumuotoilu vaatii kuitenkin organisaatiolta kannustavaa ilmapiiriä, jossa lähdetään yhdessä rohkeasti ja innostavasti tekemään, ideoimaan ja kokeilemaan. Kokemuksen karttuessa palvelumuotoilua voidaan hyödyntää seuraavissakin prosesseissa, jolloin kehittämisestä saadaan pitkäjänteistä ja säännöllistä toimintaa. Kirjoittaja Salla Kivelä on tutkimuksesta, kehittämisestä ja yhteistyöstä innostuva yliopettaja (TtT), joka tarttuu uteliaasti ja innokkaasti opetustyön lisäksi kehittämisen mahdollisuuksiin. Salla on perehtynyt monipuolisesti tutkimusmenetelmien maailmaan ja nauttii erityisesti opinnäytetöiden ohjaamisesta. Lisäksi palvelumuotoilun monet mahdollisuudet inspiroivat uusien ja entistä asiakaslähtöisempien palvelujen kehittämiseksi sosiaali- ja terveysalalle. Lähteet 1 Virtanen, M. 2022. Aito asiakaslähtöisyys ja asiakasosallisuus – Onko niitä digitaalisten palveluiden kehittämisessä? Teoksessa Elomaa-Krapu, M. & Vuorijärvi, A. (toim.). Osallistavia ratkaisuja digitaalisiin hyvinvointi- ja terveyspalveluihin. Metropolia Ammattikorkeakoulu. 2 THL 2022. Asiakasosallisuuden johtaminen sosiaali- ja terveyspalveluissa. 3,4 STM 2020. Tulevaisuuden sosiaali- ja terveyskeskus 2020-2022. Ohjelma ja hankeopas. Sosiaali- ja terveysministeriön julkaisuja 2020: 3. 5 Erkko, P, Eloranta, S & Vuolas, M. 2020. Sosiaali- ja terveydenhuollon erityisyys palvelumuotoilun näkökulmasta. Talk-verkkolehti, HYVE – Health and Well-being. 20.8.2020. 6 THL 2022. Asiakasosallisuuden johtaminen sosiaali- ja terveyspalveluissa. 7 Erkko, P, Eloranta, S & Vuolas, M. 2020. Sosiaali- ja terveydenhuollon erityisyys palvelumuotoilun näkökulmasta. Talk-verkkolehti, HYVE – Health and Well-being. 20.8.2020. 8 THL 2023. Asiakasosallisuus palvelujärjestelmässä. 9 Laki hyvinvointialueesta 611/2021. Annettu Helsingissä 29.6.2021. 10 Weiste, E, Käpykangas, S, Uusitalo, L-L & Stevanovic, M. 2020. Being Heard, Exerting Influence, or Knowing How to Play the Game? Expectations of Client Involvement among Social and Health Care Professionals and Clients. International Journal of Environmental Research and Public Health 17 (16). 16: 5653. 11 Faust, J, Mager, B & Massa, C. 2023. Healthcare Complexity and the Role of Service Design in Complex Healthcare Systems. Teoksessa: Pfannstiel M.A. (toim.) Human-Centered Service Design for Healthcare Transformation. Springer, Cham. 12 Fry, K. 2017. Why Hospitals Need Service Design: Challenges and methods for successful implementation of change in hospitals. Norwegian University of Science and Technology. 13 Juujärvi, S, Sinervo, T, Laulainen, S, Niiranen, V, Kujala, S, Heponiemi, T & Keskimäki, I. 2019. Sote-ammattilaisten yhteinen osaaminen sosiaali- ja terveydenhuollon muutoksessa. THL – Päätösten tueksi 3/2019.

Lue lisää

Futuristisia tulevaisuuskuvia terveydenhuollosta – osa 2/2
1.11.2023
Mari Lehtori Virtanen

Tulevaisuutta kuvaavat futuristiset pohdinnat ovat kuuluneet terveydenhuollon arkeen aina. Näyttääkin siltä, että tieteisfiktiiviset tulevaisuudennäkymät ovat osin jopa vaikuttaneet terveysteknologisten innovaatioiden valikoimaan. Näitä aikanaan futuristisia ja nykyään käytössä olevia ratkaisuja nostin esiin tämän tekstisarjan ensimmäisessä osassa, Tieteisfiktiivisiä pohdintoja terveydenhuollosta – osa ½. Tässä sarjan toisessa osassa keskityn futuristisiin tulevaisuuskuviin, joita olen ideoinut tekoälykielimalli ChatGPT:n1 avustuksella. Tekstin ohessa olevat kuvituskuvat olen generoinut Adoben Firefly (1 ja 2) ja NightCafe (3 ja 4) tekoälysovelluksilla. Generoinnissa käytetyt promptit eli kehotteet olen kirjannut kuvateksteihin.  Täällä ajattomassa ulottuvuudessa ei tutkimuspöytiä peitetä karkein paperein eikä kohteeseen kosketa kylmin välinein tai muutenkaan. Me mittailemme loitompaa, käytämme hienovaraisia skannauksia ja yliääniteknologiaa, jota on tässä turha selittää. Tämä on todellinen etävastaanotto.  Minna Rytisalo (2023) teoksessa Jenny Hill.2 (Kuva 1.) Nanorobottien tekemät lääketieteelliset toimenpiteet  Kuvittele mikroskooppisia robotteja, jotka navigoivat kehon läpi korjaten vaurioituneita soluja, elimiä ja kudoksia. Kehon eri rakenteisiin mahtuvat nanorobotit havaitsevat ja hoitavat sairauksia ennen kuin ne edes aiheuttavat potilaalle havaittavia oireita. Vaikka ajatus tuntuu tulevaisuudesta haetulta, verenkiertoon sujahtavia nanorobotteja kehitetään jo nyt. Niistä odotetaan apuja esimerkiksi lääkeaineiden kuljettamiseen veri-aivoesteen läpi Parkinson- ja Alzheimer-potilailla.3   Vuonna 2200 terveydenhuolto on saavuttanut ennenäkemättömän tason edistyksellisyyttä ja yksilöllisyyttä, jossa potilaan kokemus ja hyvinvointi ovat keskiössä. Nanorobotiikka on arkipäivää, ja se toimii. Chat GPT (2023.)4 (Kuva 2.) Elinten tarveperustainen tulostaminen  Tulevaisuudessa elinten tulostamien potilaan omista soluista on mahdollista. Biologisesti sopivien elinten tulostaminen poistaa yhteensopivuustutkimuksiin kuluvaa aikaa ja vähentää elinsiirtoihin liittyviä hylkimisreaktioita. Kudosten tulostaminen vähentää elinsiirtojonoissa odottavien potilaiden määrää ja lyhentää odotukseen kuluvaa aikaa. Vaikka tällä hetkellä kokonaisten elinten tulostaminen on futuristinen kuvitelma, 3D-tulostusta käytetään jo kudosscaffoldien eli kolmiulotteisten kudostukirakenteiden luomiseen5.   Ihmiskehojen 3D-tulostaminen mahdollistaa elinten ja kudosten räätälöidyn valmistamisen, mikä merkitsee toivoa ja elämänlaadun paranemista potilaille, jotka ennen saattaisivat olla toivottomassa tilanteessa.  Chat GPT (2023.)6  Planeetat saavuttava terveydenhuolto   Tulevaisuudessa ihmiskunta laajentaa asutusta muihin ulottuvuuksiin, kuihin ja planeettoihin, joissa tarvitaan edistyneitä terveydenhuollon ratkaisuja, mukaan lukien itsehoitavat sairaalat ja lääketieteelliset laitteet. Vaikka kyseiset teknologiset ratkaisut odottavat vielä toteutumistaan, taivaankappaleiden kuten kuu ja Mars saavuttaminen on jo mahdollista.7 Ihmisen laajentaessa elinpiiriään myös terveydenhuollon tarpeet väistämättä laajenevat (kuva 3). Ihmisen ja koneen ominaisuuksia yhdistelevät kyborgit  Yhdistämällä ihmisiä edistyneisiin robotiikka- tai tekoälykomponentteihin saadaan aikaan ihmisen ja koneen yhdistelmiä eli kyborgeja, joilla on ihmiseen nähden parannettuja kykyjä, kuten lisääntynyttä voimaa, älykkyyttä tai pidempi elinikä. Edistyneiden geenimuokkausteknologioiden avulla kyborgien kognitiivisia kykyjä voidaan edelleen parantaa esimerkiksi havaitsemisen, ajattelun, muistamisen ja prosessointinopeuden osalta. Fysiikkaa ja kognitiota vahvistamalla luodaan superihmisiä, joiden toimintakyky on huomattavasti parempi kuin tavallisten ihmisten. Filosofi ja tietokirjailija Maija-Riitta Ollila (2023)8 on juuri julkaissut kokonaisen kirjan tulevaisuuden ihmisen parannelluista ominaisuuksista.   Aivokäyttöliittymät ja robottien tekemät neurokirurgiset toimenpiteet  Aivokäyttöliittymät yhdistävät ihmisten aivotoimintoja ulkoisiin laitteisiin ja mahdollistavat aivoihin asennetun implantin välityksellä esimerkiksi näppäimistön ohjaamisen ajatusten voimalla9. Aivokäyttöliittymäimplantin asentamiseen liittyvän neurokirurgisen toimenpiteen tekee autonominen leikkausrobotti, joka itse asiassa on jo testikäytössä10. (Kuva 4.)  Aivotietokoneliitännät eivät ainoastaan helpota nopeaa diagnoosia, vaan ne myös tukevat potilaiden psyykkistä hyvinvointia tarjoamalla virtuaalisia ympäristöjä rentoutumista ja palautumista varten. Chat GPT (2023.)11 Teknologinen kiihdytys haastaa terveydenhuollon toimijoiden osaamista  Kuten edellisen osan tieteisfiktiivisistä pohdinnoista ja tämän tekstin futuristisista tulevaisuuskuvista voimme päätellä, teknologian nopea kehitys on haastanut ja tulee edelleen haastamaan myös terveydenhuollon henkilöstön osaamista.  Tällä hetkellä terveydenhuollon henkilöstön tulee nykyteknologioiden lisäksi hallita esimerkiksi erittäin nopeasti kehittyvän tekoälyn perusteita.12 Uusien digitaalisten ratkaisujen käyttöönotolle13 on ensiarvoisen tärkeää, että osaaminen on ajan tasalla ja että kunkin aikakauden teknologisia innovaatioita osataan hyödyntää parhaalla mahdollisella tavalla.  Henkilöstön osaamisen kehittämiseksi onkin esitetty ja hyödynnettykin monenlaisia tapoja, kuten   viimeisimpien teknologiatrendien aktiivista seuraamista  skenaariotyöskentelyä ja tulevaisuusajattelua (ks. esim. Sitra, Tulevaisuustaajuus) digiosaavien mentorien hyödyntämistä erilaisissa työelämäyhteyksissä koulutuksen kohdentamista uudenlaisiin työrooleihin14,15  ja uudenlaisten digitaalisten perehdytys-, opetus- ja oppimismenetelmien hyödyntämistä.16,17,18,19 Lisäksi huomionarvoista on, että teknologian hyödyntäminen terveydenhuollossa ei edelleenkään ole vain digitaalisten työkalujen käyttämistä. Uusien teknologioiden onnistunut käyttöönotto edellyttää laajaa kulttuurin muutosta, jossa teknologia nähdään yhtenä mahdollisuutena parantaa hoidon laatua ja vaikuttavuutta20,21.  Huomioitavaa  Tässä tekstissä esitetyt terveydenhuollon futuristiset visiot ovat kuvitteellisia, eivätkä tällä hetkellä perustu tutkittuun tietoon, paitsi lähdemerkinnöin merkityin osin. Esitetyt kuvaukset ovat fiktiivisiä eivätkä siis kuvaa terveydenhuollon nykytilannetta. Innoitusta tekstin sisältöön olen saanut tekoälykielimalli Chat GPT:ltä, joka on toiminut oivallisena tukiälynä tulevaisuutta hahmotellessani.   Kaiken kaikkiaan tulevaisuuden terveydenhuolto tuo mukanaan sekä suuria mahdollisuuksia että haasteita. Entistä edistyneemmät teknologiset innovaatiot voivat parantaa terveydenhuollon saatavuutta ja hoitojen tehokkuutta, lisätä potilasturvallisuutta ja vähentää jopa virheiden määrää. Kehityksen kelkassa on kuitenkin tärkeää varmistaa, että nopeutuvat teknologiset kehitysaskeleet ovat ihmislähtöisiä, turvallisia ja eettisesti hyväksyttäviä.  Kaikesta innostavuudestaan huolimatta edellisten utopioiden toteutumismahdollisuuksista ei tässä hetkessä voi varmasti tietää. Se jää nähtäväksi.    Kirjoittaja  Mari Virtanen on terveystieteilijä, yliopettaja (TtT) ja tutkintovastaava tutkinto-ohjelmassa Digitaalisten sosiaali- ja terveyspalvelujen kliininen asiantuntija (YAMK). Hän on kiinnostunut sotepalvelujen innovatiivisesta kehittämisestä, hyvinvointialueiden digitalisaatiosta, uusien palveluratkaisujen muotoilusta ja digitaalisen potilasohjauksen rajattomista mahdollisuuksista. Näiden teemojen parissa hän opettaa ja tekee laajasti tutkimusta ja kehittämistyötä.         Lähteet   1 ChatGPT (openai.com). (2023.) 2 Rytisalo, M. (2023). Jenny Hill. WSOY. Helsinki. 3 Futurism. (2023.) A Swarm Of Nanobots In Your Bloodstream: The Future Of Medicine. Tomorrow Bio 30.6.2023. 4 ChatGPT (openai.com). (2023.) Viitattu 2.10.2023. 5 Chung, JJ., Im, H., Kim, SH. et al. (2020.) Toward Biomimetic Scaffolds for Tissue Engineering: 3D Printing Techniques in Regenerative Medicine. Frontiers in Bioengineering and Biotechnology, 8:586406. 6 ChatGPT (openai.com). (2023.) Viitattu 2.10.2023. 7 Spacex. Human Spaceflight. 8 Ollila, M-R. (2023.) Tulevaisuuden paranneltu ihminen. Otava. 10 Kailio, A. (2023.) Elon Musk saa aloittaa aivosirujensa ihmiskoehenkilöiden etsimisen. TiVi, Tulevaisuuden tekniikat. 20.9.2023. 10 Wattles, J. (2022.) Elon Musk's Neuralink shows brain implant prototype and robotic surgeon during recruiting event. CNN Business, 1.12.2022. 11 ChatGPT (openai.com). (2023.) Viitattu 2.10.2023. 12 Spatharou, A., Hieronimus, S. & Jenkins, J. (2020.) Transforming healthcare with AI: The impact on the workforce and organizations. McKinsey & Company, 10.3.2020. 13 Alén, M. (2021.) Uuden tietojärjestelmän onnistuneen käyttöönoton periaatteet: tutkimuksellinen kehittämistyö digitaalisessa terveyspalveluyksikössä. YAMK-opinnäytetyö. Metropolia Ammattikorkeakoulu. 14 Virtanen, M. (2022.) Digikliininen asiantuntija sotemuotoilijana. Sotemuotoilijat-blogi, 20.12.2022. 15 Thomas, TW., Seifert, PC., Joyner, J.C. et. al. (2016.) Registered Nurses Leading Innovative Changes. OJIN: The Online Journal of Issues in Nursing, 21(3), Manuscript 3. 16 Healthcare Business Today. Editorial Team. (2020. ) The Use Of Technology In Healthcare Education And Training. 23.10.2020. 17 Hongisto, K. (2020.) Ubiikin 360° oppimisympäristön tekninen ja pedagoginen käytettävyys bioanalytiikan opinnoissa. YAMK-opinnäytetyö. Metropolia Ammattikorkeakoulu. 18 Reinikkala, T. (2022.) Digitaalisen koulutuskokonaisuuden kehittäminen kliinisen mikrobiologian päivystyslaboratorioon. YAMK-opinnäytetyö. Metropolia Ammattikorkeakoulu. 19 Pehkonen, S. (2023.) Magneettikuvantamisen perehdytyksen kehittäminen oppimispelin avulla. YAMK-opinnäytetyö. Metropolia Ammattikorkeakoulu. 20 Spatharou, A., Hieronimus, S. & Jenkins, J. (2020.) Transforming healthcare with AI: The impact on the workforce and organizations. McKinsey & Company, 10.3.2020. 21 Alén M. (2021.) Uuden tietojärjestelmän onnistuneen käyttöönoton periaatteet: tutkimuksellinen kehittämistyö digitaalisessa terveyspalveluyksikössä. YAMK-opinnäytetyö. Metropolia Ammattikorkeakoulu. 

Lue lisää
Uudemmat postaukset Vanhemmat postaukset