Tekoäly tulee vasta kun ehtii
Kehitys ottaa lääketieteessä aikansa, koska virheitä ei saisi sattua. Rima on paikoin keinotekoisen korkealla.
Kaikki puhuvat nyt tekoälystä, koneoppimisesta ja suurista kielimalleista. Lääketieteeseenkin ne ovat tulossa vauhdilla, mutta hitaammin kuin muille elämänalueille.
Yksi hidastava tekijä on 2021 voimaan tullut lääkinnällisten laitteiden regulaatio. EU on myös saanut tuoreen tekoälyn regulaation.
Näillä pyritään varmistamaan turvallisuus. Tekoäly on lääketieteessä vähän kuin itse ajavat autot. Virheitä ei saisi tulla.
– Rima on jopa keinotekoisen korkealla. Hyväksymme, että ihmiset ajavat kolareita, mutta koneen tekemiä virheitä on vaikeampi sallia, pohtii päätoimittaja ja lääketieteellinen johtaja Johannes Lyytikkä Kustannus Oy Duodecimista.
Jos tekoälyä käyttävää tuotetta ei luokitella lääkinnälliseksi laitteeksi, se tulee markkinoille ja terveydenhuollon ammattilaisille nopeammin.
Maailmalla on tässä suuria vaihteluita.
– Monet teknologiat tulevat Yhdysvalloista, Kiina kopioi ja jalostaa niitä. Eurooppa puolestaan reguloi ja miettii riskejä. EU:ssa ollaan turvallisemmilla vesillä, mutta se myös valitettavasti hidastuttaa hyödyllisten asioiden saamista kentälle, Lyytikkä kertoo.
Nopeutta kirjaamisiin
Jotain on kuitenkin luvassa. Keskusteleva puheentunnistus tulee ensimmäisten lääkärien vastaanotoille tänä vuonna. Näin ennustaa Tietoevry Caren data- ja AI-johtaja Joona Pylkäs .
Tekoäly tallentaa lääkärin ja potilaan välisen keskustelun, muuttaa sen tekstiksi ja luo kirjauspohjan. Lääkäri tarkistaa tekstin ja käyttää sitä oman kirjauksensa pohjana. Kirjausten tekeminen nopeutuu.
– Yhdysvalloissa ensimmäiset ratkaisut ovat jo käytössä. Nyt sovellamme teknologiaa myös suomen kielelle, Pylkäs kertoo.
Toinen pian lääkärin työssä näkyvä tekoälyratkaisu on tiedon louhiminen vapaasta tekstistä. Pylkäksen mukaan Tietoevryn tuottama tuote louhii jo dataa yhdellä hyvinvointialueella.
Esimerkiksi tietoa tupakoinnista ei yleensä ole kirjattu potilastietoihin rakenteisesti vaan mainintoina vapaassa tekstissä. Tekstianalytiikka louhii tiedon tekstimassan joukosta.
Satatuhatta kuvaa päivässä
Viiden vuoden säteellä tekoäly seuloo silmänpohjakuvista diabeettista retinopatiaa. Samalla se kenties huomaa ikärappeumasta ja glaukoomasta kertovia muutoksia.
Näin uskoo silmätautien professori, ylilääkäri Nina Hautala Oulun yliopistollisesta sairaalasta.
Jos tämä toteutuu, tekoälylle siirtyy suuri määrä työtä. Suomessa on puoli miljoonaa diabetespotilasta. Kaikilta seulotaan diabeettista retinopatiaa.
70 prosentissa silmänpohjakuvista ei havaita muutoksia silmälääkärin analysoitaviksi. Tekoäly voisi erotella kuvat niistä, joissa muutoksia on.
Nyt sen tekee hoitaja, jonka työtahti on joitakin kymmeniä kuvia päivässä. Tekoälyllä se voi olla vaikka satatuhatta.
Väsymättä ja tasalaatuisesti
Oysin tutkimushankkeessa testataan tekoälyn ja uudenlaisten kuvantamislaitteiden soveltuvuutta diabeettisen retinopatian seulontaan.
Kahdella kuvantamislaitteella on tutkittu yli 600 potilaan silmät tekoälyalgoritmilla ja vakiintuneella tavalla.
Hautala on viime vuosien aikana ollut testaamassa työhön 21:tä markkinoilla olevaa algoritmia. Lisäksi on testattu tutkimusryhmän omia algoritmeja.
– Tulokset ovat maailmanlaajuisesti hämmästyttävän hyviä. Tekoäly melkein peittoaa ihmisen siinä, miten tarkasti ja herkästi se kuvat tulkitsee, Hautala sanoo.
Tekoälyalgoritmi seuloo kuvia vaikka vuorokaudet läpeensä, väsymättä, nopeasti ja tasalaatuisesti. Kuvat ja algoritmin laatima raportti ovat heti käytettävissä. Algoritmin opettaminen kuitenkin vaatii miljoonia kuvia. Algoritmit luokitellaan Suomessa lääkinnällisiksi laitteiksi.
Hautala uskoo, että tulevaisuudessa tekoälyn avulla voidaan seuloa silmänpohjakuvista myös glaukoomaa ja ikärappeumaa.
Monet kuitenkin pelkäävät tekoälyn päästävän läpi tilanteita, joissa potilas olisi tarvinnut nopeaa hoitoa. Hautala ei ole tästä erityisen huolissaan.
Tietoturva toki vaatii tarkkuutta, sillä kuvat ja analyysit menevät pilvipalvelimelle. Ne ovat kuitenkin hyvin suojattuja.
– Laajempi kliininen käyttöönotto vaatii paljon harkintaa ja valmistelua. On monia juridisia ja eettisiä näkökulmia, jotka täytyy ottaa huomioon. Myös integraatio potilastietojärjestelmiin täytyy tehdä huolella, Hautala sanoo.
Yhteistä nimittäjää etsimässä
Ylilääkäri Mikko Seppänen tutkimusryhmineen etsii tekoälyllä potilaita, jotka sairastavat kolmeen harvinaissairauden ryhmään kuuluvia sairauksia. Sairaudet ovat verisuonitulehduksia, munuaiskeräsen tulehduksia ja lihastulehduksia.
Sairaudet valittiin niin, että niihin on hoito, mutta diagnoosi usein viivästyy ja potilaspolut ovat pitkiä.
Potilaalla voi olla ensin huonosti paraneva sinuiitti, sitten verta virtsassa ja myöhemmin kuivaa yskää. Hän käy lääkäreillä, mutta kukin ottaa kantaa vain erikoisalansa oireisiin. Kukaan ei huomaa yhteistä nimittäjää, joka on vaskuliitti.
Tekoäly etsii yhteisiä nimittäjiä potilastiedoista ilman aikataulurajoitteita. Tekoäly ei myöskään arvota potilasta.
– Tällä hetkellä analysoimme rakenteista dataa, eli ICD-10-koodeja ja laboratoriodataa. Näiden sairauksien kohdalla ne näyttävät olevan aika voimakkaasti ennustavia. Testaamme myös kielimalleja sairauskertomustekstien analysoinnissa, Seppänen kertoo.
Vaativa lupaprosessi
Kun tekoäly hälyttää, kokenut erikoislääkäri arvioi, onko havainnossa perää. Jos on, pseudonyymikoodi puretaan.
– Joskus tekoäly tekee vääriä päätöksiä, vaikkapa sen perusteella, minkä niminen lääkäri potilasta hoitaa, Seppänen huomauttaa.
Jos THL:n asiantuntijaryhmä näkee, että potilaaseen on syytä ottaa yhteyttä, tämän voi tehdä myös hoitoyksikkö. Menettely perustuu toisiolain pykälään 55, joka on tullut voimaan vuoden alusta. Potilas voi siis saada yhteydenoton tutkimuksesta, jossa ei tiennyt olevansa mukana.
Tarkoitus on tehdä hyvää eikä pahaa.
– Jos diagnostinen hoitopolku lyhenee 90 päivää, sen pitäisi tuoda säästöjä yli 7 000 euroa. Lääkärinä ajattelen, että todennäköisesti samalla myös kärsimys vähenee, Seppänen sanoo.
Lääkärin työ ei juuri muutu, mutta tekoäly seuloo raskaat sairauskertomukset.
Käyttöaste on vielä matala
Tekoälyn käyttöaste terveydenhuollossa on matala, vaikka sitä hyödynnetään laajasti.
– Yhdysvallat on edistynein markkina. Silti sielläkin vain kaksi prosenttia radiologian erikoisalan tutkimuksista analysoi tekoäly. Niissäkin tapauksissa ihminen tekee päätökset, Joona Pylkäs kertoo.
Radiologia ja patologia ovat edelläkävijöitä kuva-analytiikassa. Potilasdata on standardisoitua, joten tekoälyä voidaan käyttää globaalisti.
Usein ajatellaan, että tekoälyn pitäisi toimia vähintään yhtä hyvin kuin kliinikko.
– Kuviin perustuvissa sovelluksissa on päästy osin sen yli. Monet sovellukset tunnistavat syöpiä kuvista paremmin kuin ihotautilääkäri, patologi tai radiologi. Näin on ollut jo usean vuoden ajan, Johannes Lyytikkä sanoo.
Kielen kanssa on vaikeampaa.
– Vapaata tekstiä käyttävillä erikoisaloilla data ei ole standardisoitua ja siksi ratkaisuja on vaikeampi kehittää, Pylkäs kertoo.
Hän uskoo, että Suomessa joudutaan kehittämään suuri osa tekoälyratkaisuista itse. Tähän on syynä se, että vaikka lääketiede on globaalia, on suomalaisen terveydenhuollon tuottama data paikallista ja uniikkia.
Kuka tekee ensimmäisen chat-lääkärin?
Suurten kielimallien tapa toimia perustuu siihen, että laite ammentaa valtavasta satojen miljardien parametrien joukosta, mikä on todennäköisin seuraavaksi tuleva sana. Kone ei ymmärrä sanottavaansa, mutta jos sille kertoo, että nyt tuli virhe, se osaa usein parantaa tekstiä.
Myös Kustannus Oy Duodecimissa on kehitteillä oma variantti, joka tarjoaisi Duodecimin sisältöjä keskustelunomaisella tavalla.
Voisiko kohta chat-lääkärinä toimia tekoäly?
Lyytikkä arvelee, että teknisesti se olisi mahdollista jo nyt, mutta tällaisen laitteen vieminen regulaatioprosessin läpi olisi iso ponnistus.
– Lopputulos voisi hyvinkin olla kaiken vaivan arvoista, mutta jää nähtäväksi, kuka uskaltaa ja pystyy tähän ensimmäisenä.
