Tekoäly tulee ovista ja ikkunoista
Se tuntee pian suomalaisten terveyshistorian ja osaa ennustaa potilaiden tulevia terveystapahtumia.
Entä jos tekoälymalli olisi koulutettu suomalaisten terveyshistorialla ja se kykenisi ennustamaan potilaiden tulevia terveystapahtumia sen perusteella, mitä heille on tähän mennessä tapahtunut?
Entä jos potilas voisi vastaanoton jälkeen keskustella lääkärin ohjeita selventävän tekoälyn kanssa, omiin tietoihinsa perustuen?
Tai entä jos silmänpohjakuvista voitaisiin tekoälyn avustamana nähdä ihan muiden kuin silmäsairauksien riskejä?
Nämä kaikki asiat ovat todennäköisesti kohta totta.
Tekoäly tulee terveydenhuoltoon ovista ja ikkunoista, esimerkiksi netin tekoälymalleja käyttävien potilaiden kautta. Jos kehitystä ei terveydenhuollon julkisella puolella nopeuteta ja koordinoida, jäädään saatavilla olevien globaalien tekoälysovellusten varaan. Tässä on omat riskinsä tietoturvan ja väärien ohjeiden suhteen. Näin näkee professori Olli Kallioniemi.
Kallioniemi on Suomen molekyylilääketieteen instituutti Fimmin tutkimusjohtaja Helsingin yliopistossa.
Hän on yhdessä professori Kimmo Porkan kanssa kirjoittanut Sitran vastikään julkaiseman ”Terveystiedon tulevaisuus tekoälyn aikakaudella – Ehdotus Suomen kansallisesta terveystietoalueesta” -selvityksen.
Siinä he ehdottavat ratkaisuksi Suomen kansallisen terveystietoalueen (FHDS, Finnish Health Data Space) perustamista.
Kukaan ei säätele potilaan toimintaa
Jo nyt potilaat kysyvät terveysasioistaan suurilta kielimalleilta.
– Meidän on Suomessa syytä miettiä ja koordinoida sitä, miten data- ja tekoälyvetoiseen terveydenhuoltoon suhtaudutaan ja miten sitä hyödynnetään. Muutos tapahtuu joka tapauksessa, Kallioniemi sanoo.
Terveydenhuoltojärjestelmä on jäykkä, säädelty ja hitaasti muuttuva. Samaan aikaan tekoäly on tuomassa hurjaa vauhtia muutoksia kaikille elämänalueille.
– Muutos tulee potilaan kautta. Potilaan omaa toimintaa kukaan ei reguloi, joten hän voi tehdä mitä haluaa. Terveydenhuollossa taas jokaisen askelen eettisyys, tieteellinen pohja ja kustannusvaikuttavuus pitää selvittää, Kallioniemi toteaa.
Ilman hyvin organisoitua kansallista mallia suomalaisten terveystiedot ovat vaarassa ajautua globaalien suuryritysten hyödynnettäviksi.
– On tärkeää, että meille ei syntyisi viidakkomainen, villi järjestelmä, jossa tietoturva on heikko ja tekoälyä hyödynnetään usein ilman näyttöä ja validointia, pohjautuen esimerkiksi amerikkalaisten suuryritysten teknologiaan.
Miljoonien potilaiden tiedot
Lääkärin osaaminen perustuu kirjoista luettuun lääketieteelliseen tietoon, sekä työssä karttuneeseen kliiniseen osaamiseen.
Myös generatiiviset kielimallit ovat jo lukeneet kaiken lääketieteellisen kirjallisuuden ja myös muistavat oppimansa, useimmiten paremmin kuin ihmiset. Tämä ei silti tee tekoälystä kyvykästä käytännön lääketieteessä ja potilastyössä. Seuraavaksi sille pitäisi opettaa käytännön potilastapahtumia.
Suomessa on jo menossa hankkeita, joissa kehitetään tekoälymallia, joka tuntisi paitsi kirjallisuuden, myös miljoonien suomalaisten terveyspolut, eli diagnoosit, laboratoriotutkimukset ja lääkereseptit.
– Tämä valtava tietomäärä halutaan mallintaa tekoälymalliksi, joka ymmärtäisi paremmin nimenomaan suomalaisten terveyttä ja terveydenhuollon toimintaa, Kallioniemi kertoo.
Tämän myötä toimintoja voitaisiin automatisoida ja ennustaa, mitä potilaalle seuraavaksi tapahtuu, tai minkälaiset löydökset ennustavat vaihetta ennen kuin potilas varsinaisesti sairastuu ja saa diagnoosin.
Kattavan kansallisen terveysdatan avulla voisi tutkia myös lääkkeiden sivuvaikutuksia tai terveydenhuollon interventioiden vaikuttavuutta.
Tämä voi muuttaa myös lääkärin roolia, samoin potilas-lääkärisuhdetta.
– Sen sijaan, että lääkäri on ekspertti, joka tietää kaiken, tekoäly on jo nykyisin kaikkien saavutettavissa. Oikein käytettynä se voisi tukea potilaita lääkärikäyntien välillä ja selventää, mitä lääkäri itse asiassa kertoi. Helpottaisi myös vastaanottotilannetta, kun potilas olisi jo etukäteen selvillä siitä, mistä on kyse.
Jos muutosta ei hallita, seurauksena on helposti väärinkäsityksiä ja turhaa kuormitusta terveydenhuollolle.
Kansallisia vahvuuksia
Suomen suuria vahvuuksia ovat rekisterit vuosikymmenten takaa ja Kanta-järjestelmä.
– On vielä osin auki, kuinka niistä saadaan riittävästi dataa suomalaisen terveystietomallin rakentamiseen, Kallioniemi kertoo.
Rekisterit ja Kanta-järjestelmä ovat toisaalta rikas ja kattava tietoaineisto, mutta silti pääosin vain yleisen tason tietoja, kuten diagnooseja, reseptejä ja laboratoriotuloksia ilman potilastiedon rakenteellista kuvausta. Myös kuvantamistieto puuttuu.
Kallioniemi toivoo tilanteen muuttuvan tulevaisuudessa.
Silmänpohjakuvaus on esimerkki siitä, kuinka tekoäly voi ennustaa riskejä ja tapahtumia paljon sen yli, mitä varten tutkimus on alun perin tehty. Siksi terveydenhuollon kuvadata voisi olla erittäin arvokasta tulevaisuudessa, kun tekoälyanalyysit ovat edistyksellisempiä ja seuranta-aikaa on enemmän.
– Silmänpohja on kuin ikkuna verisuonistoon ja hermokudokseen. Tekoäly pystyy näkemään kuvista asioita, joita ihmissilmä ei näe, ja jotka ennustavat kroonisten tautien riskiä tai edustavat varhaisia muutoksia.
Data tilkkutäkkinä alueilla
Syvä yksilökohtainen terveysdata on jakautunut tilkkutäkin tavoin. Julkisen terveydenhuollon osalta se on 21 hyvinvointialueen ja Helsingin kaupungin vastuulla, eri potilastietojärjestelmissä.
– Tämä oli ok silloin, kun terveysdata palveli vain kirjaustoimintaa, ja oli vain pieni osa terveydenhuollon kokonaisuudesta. Tulevaisuudessa data tulee keskeiseksi elementiksi terveydenhuollossa.
Yksi ratkaisu olisi, että paikallisten järjestelmien päälle rakennettaisiin kansallinen tietojärjestelmä.
Lääkärit huolestuvat helposti siitä, tietääkö tämä kaikki lisää kirjaamista.
– Tekoälyn erinomainen funktio on, että se voi tulevaisuudessa auttaa tekemään kaikki olennaiset vastaanottotapahtuman kirjaukset, ja tehdä niistä rakenteellisia ja paremmin standardisoituja, Kallioniemi rauhoittelee.
