Tekoäly auttaa vain, jos emme sitä estä

Monet laajojen kielimallien toteutukset jäävät sosiaali- ja terveydenhoidossa käyttämättä, jos raamit vedetään liian tiukalle.

Julkisessa sosiaali- ja terveydenhuollossamme on edessä palvelujen voimakas leikkaus, ellei tuottavuus nouse.

Uudet teknologiat, kuten tekoälypohjaiset laajat kielimallit, tarjoavat ongelmaan ratkaisuja. Mallit ovat hyödyllisiä erityisesti, jos pitää työstää tekstejä tai hallita tietoa.

Juuri tätä sote-ammattilaiset tekevät. Potilastietojen kirjaaminen vie työnkuvasta riippuen yli puolet lääkärin työajasta (1). Husin psykiatrian toimialajohtajan Jesper Ekelundin mukaan psykiatreilta voi kulua yli 70 prosenttia päivästä lausuntojen kirjoittamiseen (2).

Suuri osa tästä on tekoälyllä automatisoitavissa.

Sairauskertomukset voidaan jo lähivuosina laatia automaattisesti vastaanoton aikana tehtävistä tallenteista (3). Tekoäly pystyisi myös tuottamaan lausunnot ja hoitosuunnitelmat automaattisesti käyttäen hyväksi aiempia kirjauksia (4).

Lääkärin tehtäväksi jäisivät tarkastus ja hyväksyntä.

Potilasohjeiden, suostumuslomakkeiden ja maallikkokielisten yhteenvetojen kirjoittajana kielimallit ovat jopa lääkäreitä parempia (5).

Kirjallisen työn siirtäminen lääkäriltä tekoälylle voisi tuoda kymmenien prosenttien tuottavuusloikan (6). Ennen kaikkea se vapauttaisi aikaa potilaskohtaamisiin ja lisäisi työn mielekkyyttä.  

 Tiedolla johtamiseen

Lääketieteellinen päätöksenteko, kuten hoidon tarpeen arviointi, on toinen mielenkiintoinen tekoälyn käyttökohde (7).

Hoidon tarpeen arvio on terveyskeskuksissa muuttunut niukassa resurssitilanteessa yhä keskeisemmäksi. Työ sitoo sairaanhoitajien panoksen paikoin lähes kokonaan. Tekoälyyn liittyy tässä kuitenkin vielä luotettavuuteen, toistettavuuteen ja etiikkaan liittyviä ongelmia.

Kolmas keskeinen käyttökohde on potilastiedot eli tiedolla johtaminen (8).

Potilastietojen perusteella voidaan esimerkiksi kohdentaa ennaltaehkäisevä toimenpiteet niistä parhaiten hyötyville, ennakoida sairaalajaksojen pituutta ja hoitoon palaamisen todennäköisyyttä.

Toiminta ei tehostu, mutta resurssit kohdentuvat vaikuttavammin.

Raamit tiukat

Uudet ratkaisut edellyttävät riittävän sallivaa sääntelyä.

Euroopan unioni sääntelee soten tekoälyä kolmella keskeisellä säädöksellä: tekoälyasetuksella (AI Act), lääkinnällisiä laitteita koskevalla asetuksella (MDR) ja tietosuoja-asetuksella (GDPR).

Raamit ovat tiukat. Laajat kielimallit pitää hyväksyä lääkinnällisiksi laitteiksi.

Prosessi on vaativa, hidas ja epävarma. Monia kielimallien toteutuksia ei ehkä pystytä hyödyntämään sosiaali- ja terveydenhoidossa lainkaan.

Suomessa EU:n sääntöjä on täydennetty asetuksin ja ministeriöiden tai niiden alaisuudessa olevien virastojen lisäohjein.

Tulkinta on ollut EU:ta tiukempaa. Esimerkiksi Tietosuojavaltuutetun toimisto tulkitsi aiemmin, että ennaltaehkäisevien toimenpiteiden kohdentamisen riskipotilaisiin todennäköisesti loukkaa tietosuojasäännöksiä(9).

Toinen esimerkki on sosiaali- ja terveysministeriön asiantuntijaryhmän vuonna 2020 tekemä periaatepäätös anonymisoidun datan tuottamisesta (10). Päätös estää kielimallien kouluttamisen suomalaisella potilasaineistolla ja heikentää siten mahdollisuuksia hyödyntää kielimalleja Suomen sosiaali- ja terveyspalveluissa. 

Viranomaisten tulee tukea

Sääntely on tärkeää tekoälyn eettisyyden, vastuullisuuden ja turvallisuuden varmistamiseksi.

Samalla on kuitenkin varmistettava, ettei sääntely tarpeettomasti hidasta ja estä innovaatioiden hyödyntämistä. Sote-järjestelmämme heikkenevä kyky tuottaa palveluita on jo itsessään eettinen ja potilasturvallisuutta vaarantava ongelma.

Hallitusohjelma puoltaa uusien teknologioiden, kuten laajojen kielimallien, käyttöönottoa (11). Viranomaisten tehtävänä ei siksi ole ainoastaan kieltää ohjeiden ja sääntöjen avulla turvattomia sovelluksia. Heidän tulee tukea riittävän turvallisten teknologioiden pikaista hyödyntämistä.

Näin varmistetaan kattavat ja laadukkaat julkiset sote-palvelut tulevaisuudessakin.