Blog

​​Tekoälyn rooli sosiaali- ja terveydenhuollossa: Ihminen ei toimi kuin kone – uusia mahdollisuuksia parantaa hoitoa ja hyvinvointia​

Antti Brunni Business Director, Solita Health

Published 21 May 2024

Reading time 8 min

Tekoälyn hyödyntäminen on lähes kaikkia aloja koskettava muutos, joka on noussut nopeasti ilmiömäisesti tutkimuksen työpöydiltä kaikkien tietoisuuteen. Tekoälymalleja hyödyntävä laskenta ja sovellukset uudistavat monia toimialoja, ja sosiaali- ja terveydenhuolto voi olla yksi sen vaikuttavimmista näyttämöistä. Merkittävästi 1990-luvulta alkaen kasvanut tekoälyn tutkimus on ollut viime aikoihin asti alihyödynnetty resurssi lääketieteessä, yhdellä maailman suurimmista toimialoista (1) (2). Mihin sitten viimeisten vuosien ja erityisesti viimeisen vuoden aikana kiihtynyt kehittäminen on viemässä meitä ja olemmeko hereillä muutokseen, koska tämä muutos tulee tehdä ihmiset, ei teknologia edellä.

Tämä kirjoitus käsittelee tekoälyn eri muotojen tarjoamia mahdollisuuksia sosiaali- ja terveydenhuollossa, ja sen tavoitteena on valottaa, kuinka teknologia voi parantaa potilashoitoa, tehostaa toimintaa ja vähentää kustannuksia.

Ennakoiva terveydenhuolto ja personoitu hoito

Keskeisin tekoälyn luoma mahdollisuus on terveydenhuollon siirtyminen reaktiivisesta mallista ennakoivaan ja personoituun hoitoon. Ennaltaehkäisevä hoito ja hoidon personointi tuntuvat lähes kirosanoilta nykyisessä sosiaali- ja terveydenhuollon ympäristössä, koska nykyisillä toimintamalleilla ne tarkoittavat lisää kustannuksia ja lisää sidottua työvoimaa.

Koneen tulisi tehdä koneen tehtävät, ja ihmisen ihmisen tehtävät. Analysoimalla suuria määriä terveysdataa tekoäly voi ennustaa ryhmien ja yksilöiden terveysriskejä, tunnistaa hoitovajetta ja auttaa ehkäisemään sairauksia ennen niiden puhkeamista. Esimerkiksi, tekoäly voi tunnistaa sydän- ja verisuonisairauksien riskitekijöitä potilaan historiatiedot ja elämäntavat huomioiden, mahdollistaen ennaltaehkäisevät toimenpiteet, kuten elämäntapamuutokset tai varhaisen lääkityksen. Suomessa on tehty visionääristä tutkimusta (esim. FINRISKI-tutkimukset) (3), joiden tuottamat aineistot ja tulokset voitaisiin ottaa hyötykäyttöön tekoälysovelluksien kehittämisessä.

Tehokkuuden ja tarkkuuden parantaminen

Puhe tehokkuuden ja tarkkuuden vaatimuksista nostavat hoitotyön ammattilaisten ohimoille hikikarpaloita, koska nykyinen järjestelmä on viritetty huippuunsa lisäämällä vaatimuksia ihmisille. Koneet päästetään vielä helpolla tänä päivänä. Hoitotyössä tekoälyn hyödyntäminen antaa terveydenhuollon ammattilaisille mahdollisuuden diagnosoida sairauksia tarkemmin ja nopeammin. Kuvantamistutkimuksissa, kuten röntgenissä tai magneettikuvissa (4), tekoälyalgoritmit voivat tunnistaa merkkejä sairauksista, jotka saattavat jäädä inhimillisessä tarkastelussa huomaamatta. Koneella samalla hetkellä analyysinsa pohjana käytössä esimerkiksi kaikki aiemmat tapaukset ja niiden poikkeamat, eikä päättelyn tarvitse nojata vain yksittäisen lääkärin tapaushistoriaan ja tietoihin. Tämä nopeuttaa oikean diagnoosin saamista ja sopivan hoitomuodon aloittamista (5). Hoitajalle tieto potilaan kohonneesta riskistä voisi helpottaa huomioimaan nämä tiedot osana hoitoa.

Resurssien optimointi

Sosiaali- ja terveydenhuollossa suurin huoli juuri nyt on resurssien tehokas käyttö ja riittävyys. Parhaimmillaan kone on automatisoidessaan rutiinitehtäviä, kuten ajanvarauksia ja potilastietojen hallintaa. Tämä vapauttaa hoitohenkilökunnan aikaa potilastyöhön. Lisäksi tekoäly voi hallinnoida resursseja ennakoimalla palvelutarpeiden muutoksia, kuten kysyntäpiikkejä ja suunnittelemalla työvoimaresursseja joustavasti tarpeeseen pohjautuen. Ihmisille luotava joustavampi työelämä voidaan rakentaa älykkäillä ratkaisuilla, jotka reagoivat muutoksiin.

Parannettu potilaskokemus

Potilaan näkökulmasta tekoälyä hyödyntävät digitaaliset terveysavustajat ja apuvälineet tarjoavat potilaille ympärivuorokautista tukea ja neuvontaa, mikä parantaa potilaiden tyytyväisyyttä ja sitoutumista omaan hoitoonsa. Potilaat voivat esimerkiksi kysyä oireistaan ja saada reaaliaikaista neuvontaa tai ohjeistusta lääkityksen ottamiseen. Kone jaksaa valvoa kaikki yövuorot ja voi olla läsnä jokaisen potilaan arjessa. Koneen on mahdollista tukea monissa kliinisissä tehtävissä ja jopa automaatiokin on mahdollista MDR:n alaisina lääkinnällisinä ohjelmistoina ja -laitteina.

Potilasturvallisuus, eettinen käyttö ja yksityisyydensuoja edellä

Tekoälyn, kuten kaiken teknologian integrointi hoitotyöhön vaatii huolellista suunnittelua turvallisuuden ja yksityisyydensuojan näkökulmista. Hoitoalan henkilöstölle ajatus koneen tulemista näille tehtäväalueille on pelottava ajatus, koska kaikkien hoitotyötä tekevien henkilöiden prioriteeteissa potilasturvallisuus on korkeimmalla prioriteetilla. Meillä on onneksi jo olemassa toimivaa säätelyä koneen tekemän päättelyn käyttöön osana hoitoa. Lääkinnälliseen käyttöön sovelluksia kehitettäessä on olemassa kansainväliset standardivaatimukset ja valvonta, jotka ovat täyttäessä myös potilasturvallisuus huomioidaan (6).

Käyttötarkoitukseen sopivuuden lisäksi on useita teknisiä vaatimuksia, jotka koskevat kaikkea syntyvää datan käsittelyä. On tärkeää varmistaa, että potilastiedot ovat suojattuja ja että koneen tekemän päättelyn käyttö on läpinäkyvää.

Sosiaali- ja terveydenhuollon organisaatioiden tulee myös sitoutua jatkuvaan dialogiin eri sidosryhmien, kuten lainsäätäjien, tutkimuksen ja kehittäjien kanssa tekoälyn roolista ja sen vastuullisuudesta (7). Lohdullista jokaiselle sosiaali- ja terveydenhuollon päättäjälle, joka pohtii miten tekoälyä voi hyödyntää on, että tarvittu tieto ja osaaminen hyödyntämiselle on olemassa. Nyt vain tulee määrittää ne tehtävät missä sitä tarvitaan.

Etuja jokaiselle sidosryhmälle

Suomi on maailman nopeimmin ikääntyviä maita, mikä tuo mukanaan merkittäviä haasteita järjestää palvelut. Ikääntyvä väestö elää yhä pidempään, mutta vanhenemisen myötä lisääntyvät myös moninaiset terveysongelmat, kuten muistisairaudet ja pitkäaikaissairaudet, jotka vaativat yhä enemmän palveluita ja hoitoa.

Potilaiden tulee odottaa tekoälyn avulla tarjottavaksi parempaa ja henkilökohtaisempaa hoitoa. Älykkäät terveyssovellukset mahdollistavat omahoidon ja ennakoinnin, mikä parantaa potilaiden elämänlaatua ja sairauksien hallintaa. Esimerkiksi jo noin 10 vuotta diabeetikot ovat voineet hyödyntää älysovelluksia verensokeriarvojensa seurantaan ja insuliiniannostensa säätelyyn reaaliaikaisesti, mikä vähentää komplikaatioiden riskiä ja edistää aktiivisempaa elämäntapaa. Mutta ihan vastaavasti tekoäly voi tulevaisuudessa diagnosoida diabeteksen potilaan äänestä (8). Sairauden kanssa elämiseen saatavilla oleva tuki on kaivattua asiakkaan, mutta myös palvelun järjestäjän näkökulmasta.

Terveydenhuollon ammattilaisille tekoäly tuo työkaluja, jotka tehostavat diagnoosien tarkkuutta ja nopeuttavat hoitoprosesseja. Koneoppiminen ja algoritmit tukevat lääkäreitä ja hoitajia tarjoamalla heille kattavampia tietoja potilaiden terveydentilasta, mikä mahdollistaa paremmin kohdennetut ja tehokkaammat hoidot. Ammattilaisen tukena toimivia ja esimerkiksi tiedonkeruuta toteuttavia tekoälyratkaisuja kutsutaan tukiälyksi. Tukiälyn avulla työtehtävien voi odottaa muuttuvan niin, että työtä tehdään enemmän koneen kanssa ilman näppäimistöllä ja hiirellä tapahtuvaa ohjausta. Työstä voi odottaa myös tuottavampaa ja hallitumpaa. Esimerkki tukiälyn käytöstä ovat lääkärien saneluratkaisut, joilla he syöttävät tiedot potilastietojärjestelmiin ja mahdollisesti tulevaisuudessa he saavat tekoälyn kuuntelemasta tapaamisesta automaationa ehdotuksen tehtävistä kirjauksista.

Terveydenhuolto-organisaatiot hyötyvät tekoälyn kyvystä analysoida suuria tietomääriä, mikä parantaa päätöksentekoa ja resurssien käyttöä. Tekoälyn avulla ennakoiden voidaan optimoida palvelutarpeen ja palvelutuotannon vastaavuutta ja ymmärtää paremmin miltä organisaation toiminnan tulisi näyttää tulevaisuudessa (9). Älykkään automaation tuottavuuspotentiaali on todellinen, asiantuntijoiden arviot ja tutkittu tieto osoittavat, että kokonaispotentiaali tuottavuuden kehittymisessä on 20-50% luokkaa, kun se yksittäisissä tehtävissä voi olla jopa 70-80% (10). Hyödyntämällä teknologian mahdollisuudet organisaation vastuulle annetuista tehtävistä on mahdollista selvitä suunnitelmallisemmin ja tavoitellut toimintatapamuutokset on mahdollista toteuttaa.

Case-esimerkit todellisesta maailmasta

Millaisia ne käyttötapaukset sitten todellisuudessa voivat olla, kun puhutaan sosiaali- ja terveydenhuollon muutoksesta?

  • Leikkausriskien arviointi – Case Oravizio: Tekoälyn avulla kehitetty järjestelmä arvioi potilaskohtaisia riskejä ennen kirurgisia toimenpiteitä. Tämä parantaa leikkausten onnistumisastetta ja vähentää komplikaatioita, mikä nopeuttaa potilaiden toipumista ja vähentää yhteiskunnallisia kustannuksia.
  • Kipulääkityksen lähidiagnostiikka – Case Fepod: Uusi teknologia mahdollistaa kivunlääkkeiden pitoisuuksien nopeat mittaukset veripisarasta, mikä nopeuttaa hoitopäätöksiä ja parantaa potilasturvallisuutta. Tämä innovaatio yhdistää pilviteknologian ja koneoppimisen tehokkaaseen analytiikkaan. 
  • Tekoälyn hyödyntäminen etuuskäsittelyssä – Case Kela: Kela tutkii tekoälyn käyttöä parantaakseen asiakaspalvelua ja tehostaakseen palvelutuotantoa. Tekoälyn avulla voidaan tunnistaa ja implementoida toimivat sosiaalipalvelukonseptit, jotka parantavat kansalaisten palvelukokemusta ja optimoivat resurssien käyttöä.

Siinä missä muu työ on vuosien aikana digitalisoitunut, tulevat myös hoito ja hoitokäytänteet digitalisoitumaan. Siihen varauduttaessa tarvitaan osaamista säätelystä ja uusista teknologioista, mutta yhä arvokkaampaa on näkemys siitä, minkä osan työstä tulisi muuttua ja mikä tuottaisi eniten arvoa toiminnalle. Koneen on aika lunastaa sille asetetut odotukset myös lääketieteen alalla.

Strategiset suositukset organisaatioille

Terveydenhuolto-organisaatioiden tulisi ottaa huomioon seuraavat strategiset suositukset tekoälyn integroimiseksi:

Investoi teknologiaan ja osaamiseen: Organisaatioiden on sijoitettava sekä tekoälyteknologioihin että henkilöstön koulutukseen. Tämä varmistaa, että teknologian hyödyt maksimoidaan ja että henkilöstö on valmis hyödyntämään uusia työkaluja. Oheinen kuva esittää näkökulmia, joiden kehittämiseen dataohjautuvan organisaation on keskityttävä pystyäkseen hyötymään datan käytöstä optimaalisesti.

Pilotoi ja skaalaa harkiten: Aloita pienillä pilottiprojekteilla, arvioi tulokset ja skaalaa toimivia ratkaisuja laajemmin. Tämä auttaa tunnistamaan potentiaaliset ongelmat aikaisessa vaiheessa ja vähentää riskejä suurten investointien kanssa.

Keskity eettiseen käyttöön, potilasturvallisuuteen ja lainsäädännön näkökulmiin: Tekoälyn käyttöönotossa on ensiarvoisen tärkeää varmistaa potilastietojen suojaaminen ja eettiset toimintatavat. Läpinäkyvyyden, oikeudenmukaisuuden, vahingonteon välttämisen, vastuullisuuden ja yksityisyyden näkökulmat toistuvat tekoälyn vastuullisuutta määritettäessä. (Jobin 2019). Läpinäkyvä kommunikointi ja selkeät toimintatavat datan käsittelyyn luovat luottamusta teknologiaa kohtaan. 

Data puzzle

Solitan näkemys dataohjautuvan organisaation kehityskohteista

Tulevaisuuden näkymät

Ihminen ei toimi kuin kone ja juuri tämä inhimillisyys tekee terveydenhuollosta arvokasta. Nyt tehdään päätöksiä siitä, että näin voi olla myös jatkossa. Tekoäly on vasta raapaisemassa pintaa sen mahdollisuuksissa sosiaali- ja terveydenhuollossa. Tulevaisuudessa voimme nähdä vielä entistä henkilökohtaisempia hoitomuotoja, tehostetumpaa resurssien käyttöä ja kohdennettuja ennaltaehkäiseviä toimenpiteitä, jotka yhdessä luovat kestävämmän ja tehokkaamman terveydenhuoltojärjestelmän. Investoimalla nyt tekoälyyn, sosiaali- ja terveydenhuollon organisaatio voi tarjota parempia tuloksia potilaille, ammattihenkilöstölle ja tukea yhteiskunnan terveyden ja hyvinvoinnin edistämistä laajemmin.

Lopuksi mielikuvaharjoitus. Pidät työhaastattelua tekoälylle – mikä on se tehtävänkuva organisaatiossasi, johon sitä haastattelet?

Kirjallisuutta

  1. Niu, J.;Tang, W.;Xu, F.;Zhou, X.;& Song, Y. (2016). Global Research on Artificial Intelligence from 1990–2014: Spatially-Explicit Bibliometric Analysis. Wuhan 430079: International Journal of Geo-Information.
  2. Tran, B; and others. (2019) Global Evolution of Research in Artificial Intelligence in Health and Medicine: A Bibliometric Study: J Clin Med
  3. Finriskilaskuri: https://www.terveyskirjasto.fi/pgt00013
  4. Duodecim 2020;136(17):1957-64
  5. Radiology 2024;DOI:10.1148/radiol.230860
  6. Granlund, T. (2020) RegOps – diving into the dilemma of agile software development in regulated industry: Solita. https://www.solita.fi/blogs/typical-pain-points-in-medical-software-development/
  7. Anton Sigfrids, Mika Nieminen, Jaana Leikas, Antero Karvonen & Pietari Pikkuaho (2023 ). Katsaus tekoälyn ohjauskeinoihin ja politiikkatoimenpiteisiin. VTT: VTT Technology 421, ISBN 978-951-38-8784-1
  8. Mayo Clinic Proceedings: Digital Health 2023;DOI:10.1016/j.mcpdig.2023.08.005
  9. Heart 2021;DOI:10.1136/heartjnl-2020-318726
  10. Paulus Torkin ja Mikko Tiihosen mielipidekirjoitus (Mediuutiset, 15.4.2024) https://www.mediuutiset.fi/debatti/terveydenhuollon-digitalisaatiossa-on-paljon-tuottavuuspotentiaalia/3633e48a-ddf4-4f07-8a10-928880da9e63