Tekoälyn yhdistäminen terveydenhuollon palveluihin, nähdään keskeisenä osana terveyden edistämistä. Tekoälyn soveltamisen etuna on, että sen avulla voidaan käsitellä suuria määriä tietoa ihmistä nopeammin. Tekoälyä hyödyntävien menetelmien avulla pystytään esimerkiksi poimimaan potilastietojärjestelmistä tietoa, tunnistamaan siitä erilaisia riskitekijöitä ja lopulta muodostamaan niiden perusteella ennustemalleja. Erilaisten, terveysriskien tunnistamiseksi ja ennustamiseksi kehitettyjen tekoälyyn perustuvien mallien, on todettu tukevan ennaltaehkäisevän terveydenhuollon kehittämistä.
Tekoälyn merkityksen terveydenhuollolle on nostanut esiin mm. Maailman terveysjärjestö (WHO) yhteistyössä Kansainvälisen televiestintäliiton (ITU) kanssa. WHO:n ja ITU:n tavoitteena on arvioida tekoälyä hyödyntäviä toimintatapoja mm. terveyteen ja diagnosointiin liittyvässä tunnistamisessa. Suomessa, tekoälyn mahdollisuudet terveydenhuollossa on nostettu esiin mm. Valtioneuvoston periaatepäätöksessä älykkäästä robotiikasta ja automaatiosta. Suomen kansallisen tekoälyohjelman, AuroraAI:n (2020-2022) tehtävänä, on kehittää monialaista yhteistyötä, eri elämäntilanteissa elävien ihmisten, kuten syrjäytymisvaarassa olevien nuorten, tukemiseksi. Sosiaali- ja terveysministeriön (2018-2020) Hyvinvoinnin tekoäly ja robotiikka (Hyte AiRo) -ohjelman tavoitteena on tekoälyn hyödyntäminen mm. autettaessa yksilöitä oman terveytensä, hyvinvointinsa sekä työ- ja toimintakynsä arvioimisessa.
Mikä ihmeen tekoäly?
Tekoälyllä (Artificial intelligence, AI) tarkoitetaan ihmisen valmistamia, älykkääseen toimintaan kykeneviä järjestelmiä. Tekoäly on kokoelma teknologiaa, joka sisältää mm. koneoppimista, robotiikkaa ja neuroverkkoja. Tekoäly on yksinkertaisimmillaan toimintaa, jossa tietokone laskee lopputuleman tietynlaisen syötteen perusteella. Syötteestä A seuraa aina vaste B. Tietokoneen pystyessä tekemään laskutoimituksia yhä monimutkaisemmista syötteistä, se alkaa vaikuttaa älykkäältä.
Apuna varhaisessa tunnistamisessa ja ennustamisessa
Koneoppiminen on yksi tekoälyn yleisimmistä ja kehittyneimmistä muodoista. Viime vuosina koneoppimisen kehitys on ollut nopeaa mm. siksi, että digitaalisessa muodossa olevan tiedon määrä on kasvanut suorastaan räjähdysmäisesti. Koneoppimisen monimutkaisimmat muodot sisältävät syväoppimista tai monikerroksisia neuroverkkomalleja, joiden avulla pystytään ennustamaan lopputuloksia. Syväoppimista on mahdollista hyödyntää esimerkiksi syövän ja silmäsairauksien varhaisen diagnosoinnin apuna, sellaisten kliinisesti merkittävien ominaisuuksien havaitsemiseksi kuvantamistiedoissa, joita ihmissilmä ei voi havaita.
Tekoälyn avulla tietyn sairauden tai sairauden kehittymisen todennäköisyyden ennustaminen on mahdollista. Tekoälyä hyödynnetään terveydenhuollossa jo mm. potilaskohtaisen sairausriskin arvioimiseen sekä sairauteen liittyvien riskitekijöiden mittaamisessa. Syväoppimisen avulla esim. rinnan kudostiheyttä pystytään mittaamaan luotettavasti, ja muodostamaan mittausten pohjalta rintasyövän riskimalleja, varhaisen tunnistamisen sekä riskin ennustamisen avuksi. Tekoälyä hyödyntäviä menetelmiä on jo käytetty myös aivoaneurysmaan, sydänsairauksiin, osteoporoosiin, dementiaan, mielenterveyden häiriöihin sekä runsaaseen virtsahappoisuuteen liittyvien riskitekijöiden tunnistamiseksi.
Sitoutumisen edistäjä ja valinta-arkkitehtuurin boostaaja
Terveydenhuollossa, potilaan sitoutumisen taso, nähdään keskeisenä terveystulosten saavuttamisessa. Mitä sitoutuneempi hyvinvointinsa -ja terveytensä suhteen on, sitä parempia terveystulokset ovat. Tekoälyn nähdään tarjoavan ratkaisuja potilaiden sitoutumisen suhteen, mm. yksilöllisempien interventioiden kehittämisen kautta. Tekoälyn moninaisia mahdollisuuksia esim. erilaisen kohdennetun sisällön, joka herättää toimimaan tiettyinä hetkinä, hyödyntämiseksi, tutkitaan. Tekoälyn mahdollisuudet nähdään myös yksilön valintojen tekemistä terveellisempään suuntaan tuuppaavien ympäristöjen suunnittelemisen, eli ”valinta-arkkitehtuurin” työkaluna terveydenhuollossa. Tällä hetkellä valinta-arkkitehtuurissa painotetaan ennakoitavuutta ja tosielämän todisteisiin perustuvuutta. Tekoälyn avulla, Chatbot -keskustelujen, älykellojen, biosensoreiden ja älypuhelimien avulla kerätyn terveystiedon käsitteleminen nopeutuisi. Näin pystyttäisiin muodostamaan yksilöllisiä ja täsmällisiä terveyssuosituksia terveydenhuollon käyttöön.
Työterveyden apulainen
Tekoälyä voidaan hyödyntää myös työterveyden varhaisen puuttumisen työkaluna. Valtran traktoritehtaalla on käytössä tekoälyä hyödyntävä, Työkykytutka-palvelu. Se seuloo työntekijöiden terveysriskejä, arvioiden samalla sairastumisen todennäköisyyttä. Tiettyjen raja-arvojen ylittyessä, työterveys on työntekijään yhteydessä, ja tarjoaa varhaista tukea. Terveystalossa puolestaan, tekoälyn hyödyntäminen nähdään mahdollisuutena siirtää terveydenhuollon painopistettä, vahvemmin kohti terveyden ja työkyvyn ylläpitämistä. Terveystalon ja Tampereen yliopiston kehittämä, tekoälyä hyödyntävä Evaluan, pystyy ennustamaan merkittäviä sairauspoissaolo- ja työkyvyttömyysriskejä jo kauan ennen merkittävimpien oireiden alkamista. Evaluan ennustaa mm. masennusoireiden sekä tuki- ja liikuntaelinsairauksien aiheuttamaa työkykyriskiä. Ne aiheuttavat eniten sairauspoissaoloja ja pysyvää työkyvyttömyyttä kaikilla toimialoilla Suomessa.
Nuorten tukena
Yhdysvalloissa on kehitetty tekoälyä hyödyntävä Chatbot Roo, nuorten tukemisen tueksi. Chatbot Roon kanssa, nuoret voivat keskustella herkistä ja henkilökohtaisista aiheista esim. seksiin, parisuhteisiin ja kasvamiseen liittyen. Chatbot Roo kykenee mm. löytämään todellisen merkityksen nuorten, joskus varsin monimutkaisista kysymyksistä, sekä muodostamaan keskustelevia vastauksia. Chatbot Roon on todettu lisäksi olevan uskomattoman tehokas jään murtamisen osalta, herkistä aiheista nuorten kanssa keskustellessaan.
Tekoäly – Älyteko?
Tekoäly on yksi voimakkaimmista ja merkittävimmistä, yhteiskuntiemme toimintaan vaikuttavista tekniikoista. Sen käyttöä tulee valvoa tarkasti ja vastuullisesti. Tekoälyn hyödyntäminen terveydenhuollossa, herättää kysymyksiä mm. vastuullisuuteen, läpinäkyvyyteen sekä yksityisyyteen liittyen. Haastavimpana nähdään läpinäkyvyys, sillä esimerkiksi kuvan analysointiin liittyviä algoritmeja on mahdotonta selittää tai tulkita. Tämä hankaloittaa potilaan informointia esimerkiksi syöpädiagnosoinnin yhteydessä. Tekoälyjärjestelmät tekevät epäilemättä myös virheitä.
Asiantuntijat näkevät tekoälyn mahdollisuudet terveydenhuollon tulevaisuudessa, paitsi rahan säästämisen, myös tiedon käsittelyn merkittävänä apuna. Tekoälyjärjestelmät eivät tulevaisuudessa korvaa hoitohenkilökuntaa, vaan vapauttavat heidän aikaansa empatialle, läsnäololle, kohtaamiselle ja kuuntelemiselle.
Tekoälyn hyödyntämisen ongelmana nähdään terveydenhuollon osalta, saatavilla olevan digitaalisen tiedon puutteellisuus. Syväoppimisen mallit tarvitsevat myös vielä runsaasti lisää koulutusta. Tekoälypohjaisten, tarkkojen hoitosuositusten sekä diagnoosien juurruttaminen osaksi kliinistä työtä, nähdään myös haastavana. Haasteista huolimatta, kehitys on nopeaa.
Kirjoittaja Minna Juntunen on sairaanhoitaja (AMK), ja työskentelee ikäihmisten arviointi- ja kuntoutusosastolla. Hän opiskelee Metropolia Ammattikorkeakoulussa, Terveyden edistämisen tutkinto-ohjelmassa, ylempää ammattikorkeakoulututkintoa.
Lähteet:
Buttice, Claudio 2020. Top 2020 AI Use Cases: Artificial Intelligence in Healthcare. Verkkodokumentti. <https://www.techopedia.com/top-20-ai-use-cases-artificial-intelligence-in-healthcare/2/34047>.
Davenport, Thomas – Kalakota, Ravi 2019. Future Healthcare Journal Digital technology. Vol 6, No. 2. 94 – 98. The potential for artificial intelligence in healthcare. <https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6616181/pdf/futurehealth-6-2-94.pdf>.
Honkanen, Visa 2017. Digimaailma ja tekoäly – mielihyvän tuoja vai viejä? Lääketieteellinen Aikakausikirja Duodecim. Vol 133, No 23. 2225 – 2228. <https://www.duodecimlehti.fi/xmedia/duo/duo14053.pdf>.
Kopponen, Aleksi – Ruostetsaari, Niko 2019. AuroraAI – kohti ihmiskeskeistä yhteiskuntaa. Kansallisen tekoälyohjelma Auroran esiselvityshankkeessa tuotettu kehittämis- ja toimeenpanosuunnitelma 2019 – 2023. Valtiovarainministeriö. <https://vm.fi/documents/10623/1464506/AuroraAI+kehitt%C3%A4mis-+ja+toimeenpanosuunnitelma+2019+%E2%80%93+2023.pdf/7c4e746d-e83f-cc83-97d9-f4322405255f/AuroraAI+kehitt%C3%A4mis-+ja+toimeenpanosuunnitelma+2019+%E2%80%93+2023.pdf>.
Lehtonen, Tuomas I. 2020. Telma-lehti. Esimies avainasemassa työkyvyn tukijana. Verkkodokumentti. <https://telma-lehti.fi/esimies-avainasemassa-tyokyvyn-tukijana>.
Sosiaali- ja terveysministeriö 2018. Hyvinvoinnin AiRo-ohjelma#hyteairo. Verkkodokumentti. <https://julkaisut.valtioneuvosto.fi/bitstream/handle/10024/160988/STM_hyteairo_julkaisu_final.pdf?sequence=1&isAllowed=y>.
Terveystalo 2020. Suomessa kehitetty algoritmi ennustaa työikäisten sairauspoissaolo- tai työkyvyttömyysriskin – tarjoaa potentiaalin miljardiluokan säästöihin. Verkkodokumentti. <https://www.terveystalo.com/fi/Tyoterveys/Ajankohtaista/Uutiset/Suomessa-kehitetty-algoritmi-ennustaa-tyoikaisten-sairauspoissaolo–tai-tyokyvyttomyysriskin–tarjoaa-potentiaalin-miljardiluokan-saastoihin1/>.
Vahteristo, Anna – Kinnunen, Ulla-Mari 2019. Finnish Journal of eHealth and eWelfare. Vol 11, No. 3. 198 – 209. Tekoälyn hyödyntäminen terveydenhuollossa terveysriskien ja riskitekijöiden tunnistamiseksi ja ennustamiseksi. <https://journal.fi/finjehew/article/view/77582>.
Valtiovarainministeriö 2020. Kansallinen tekoälyohjelma AuroraAI alkaa – tavoitteena saada ihmiset ja palvelut kohtaamaan paremmin tekoälyn avulla. Verkkodokumentti. <https://vm.fi/-/kansallinen-tekoalyohjelma-auroraai-alkaa-tavoitteena-saada-ihmiset-ja-palvelut-kohtaamaan-paremmin-tekoalyn-avulla>.
Williams, Terri 2020. AI in Healthcare: Identifying risks & saving money. Verkkodokumentti. <https://www.techopedia.com/how-ai-in-health-care-is-identifying-risks-saving-money/2/33498>.
Planned Parenthood 2020. Introducing Roo. Verkkodokumentti. <https://www.plannedparenthood.org/learn/roo-sexual-health-chatbot>.
Kuvat: Kuvapankki Pixabay. <www.pixabay.com>
1 Kommentti
On kiinnostavaa. Pitääpä perehtyä tarkasti. Ikäihmisten kodeissa ja elämisen tueksi tarpeen tekoälyä ihmisten avun rinnalle.