Toinen mielipide

Lääkäri Eveliina Jormanainen ei istu tietokoneella kirjaamassa. Kun potilas tulee vastaanotolle Nummelan terveysasemalle, Jormanainen napsauttaa päälle mikrofonin. Näytöllä välkkyvät äänityksen minuutit ja sekunnit.

Tekoäly kuuntelee lääkärin ja potilaan keskustelun ja koostaa kirjauksen, jonka lääkäri tarkistaa. Äänitallenne häviää käytön jälkeen.

Miten tämä sujuu? Riippuu vastaanoton sisällöstä, kertovat yleislääketieteen erikoislääkäri Jormanainen ja hänen kollegansa, yleislääketieteen ja geriatrian erikoislääkäri Jenna Nicklén.

”Jos potilas tulee yhden selkeän asian kuten polvikivun kanssa, siitä syntyy kohtuuhyvä kirjaus”, Jormanainen sanoo. ”Monilla on kuitenkin useita, monimutkaisia asioita. Tekoälyn on vielä vaikea kategorisoida niitä, ja se sekoittaa niitä keskenään.”

Sovellus toimii erillään potilastietojärjestelmästä. Jos esimerkiksi tuttu potilas tulee kontrollikäynnille, tekoäly ei usein saa kiinni tilanteesta, vaikka sille syöttäisi esitietoja.

”Lääkkeet menevät järjestään pieleen. Pitkävaikutteisen peruskipulääkkeen tilalle tekoäly voi ehdottaa eturauhassyövän lääkettä”, Nicklén kertoo.

Muistin tukena sovellus on hyvä. Se on jo oppinut käytössä paljon. Lääkäreillä riittää luottoa siihen, että tulevina vuosina tekoäly oikeasti tehostaa työtä.

”Vierastan turhaa käyttöä: sitä että kaikki kysytään tekoälyltä. Mutta olisi hienoa, jos työkuormitus vähenisi ja voisi hoitaa enemmän potilaita”, Jormanainen sanoo.

Nummelan terveysasemalla tekoälytallennusta alettiin pilotoida toissa vuonna. Nykyisin tekoäly kirjaa vastaanottoja jo monessa terveyskeskuksessa ja lääkäriasemilla.

Tarve työn tehostamiseen on ilmeinen: sosiaali- ja terveysministeriö selvitti, että soteammattilaiset käyttävät kirjaamiseen keskimäärin jopa yli kolme tuntia päivittäin.

Reaaliaikainen puheentunnistus saneluissa ei ole uutta. Uudet tekoälyratkaisut kuitenkin tekevät enemmän: jäsentävät, tiivistävät, päättelevät asiayhteyksiä, tunnistavat puuttuvia tai ristiriitaisia tietoja, ehdottavat diagnoosikoodeja.

Tekoäly saattaa jopa omatoimisesti heittää kirjauksiin lääkärilatinaa, josta lääkäreitä on patisteltu eroon. Lääkärin saneluihin verrattuna se on joskus proosallisempi mutta usein ohittaa ja tiivistää liikaa: kuittaa vain ”potilaan toimintakyky hyvä”.

”Lääkärinlausuntoa ajatellen on kuitenkin tärkeää kuvata, kuinka korkealle potilaan käsi nousee ja pystyykö hän käymään suihkussa itse”, Nicklén sanoo.

Suuri lupaus on se, että lääkäriltä vapautuu aikaa potilaan kohtaamiseen. Käykö niin?

Varmaan silloin, jos lääkärillä on ennen mennyt paljon aikaa koneella kirjoittamiseen, pohtivat Jormanainen ja Nicklén. Heille isoin muutos lienee se, että he puhuvat enemmän ääneen tekemisistään ja huomioistaan.

”Potilaat ovat innoissaan iästä riippumatta. Välillä saatan näyttää, mitä sovellus on tehnyt, jos he haluavat nähdä”, Nicklén sanoo.

Potilaille vastaanottokirjausten automatisointi on näkyvä esimerkki tekoälystä.

Kielimallien ohella terveydenhuollossa käytetään monenlaisia koneoppimiseen ja syviin neuroverkkoihin perustuvia järjestelmiä. Ne ennustavat riskejä, optimoivat hoitoa, analysoivat kuvia ja näytteitä.

Husin Siltasairaalassa magneettikuvauksia on nopeutettu tekoälyn avulla. Vähemmästä datasta saadaan riittävän laadukas kuva ja ehditään kuvata useampia potilaita.

Keravan röntgenissä tekoäly tunnistaa aikuisten akuutit murtumat röntgenkuvista. Hoitava lääkäri saa tekoälyn analyysin käyttöön jo ennen radiologin lausuntoa.

Oulun yliopistollisessa sairaalassa käytetään tekoälyä silmänpohjakuvauksissa diabetespotilaiden retinopatian seulonnassa. Kuopion yliopistollisen sairaalan päivystyksessä tekoäly auttaa tunnistamaan ikäihmisten lääkityksen vakavia riskejä.

Husin Ruuhkamittari seuraa ensihoidon, päivystysten ja leikkaussalien tilannetta, ennustaa kuormitusta ja auttaa ohjaamaan resursseja oikeisiin paikkoihin.

Tekoälyä käytettiin jo lähes vuosikymmen sitten ennakoimaan keskosvauvojen sepsiksen eli verenmyrkytyksen riskiä. Se tunnistaa aivoverenvuodon TT-kuvista. Jatkossa se auttaa myös rintasyövän seulonnassa.

Psykiatrian alalla on kiinnostuttu tekoälyn käyttämisestä riskien ennustamisessa. Oikeuspsykiatrian erikoislääkäri, dosentti Johannes Lieslehto on tutkinut laajoja rekisteriaineistoja hyödyntäviä ennustemalleja. Tekoäly voi ennustaa psykoosipotilaan kuolemanriskiä, kaksisuuntaisen mielialahäiriön uusiutumisriskiä ja potilaalle sopivinta lääkitystä.

”Psykiatriassa monet hoidot etenevät yrityksen ja erehdyksen kautta. Meillä ei ole ollut hirveästi työkaluja, joilla pystyttäisiin etukäteen katsomaan potilasjoukosta, ketkä ovat korkeimmassa riskissä.”

Psykiatriset häiriöt ovat monimutkaisia. Ne eivät löydy kokeilla tai kuvantamalla, vaan potilasta haastattelemalla. Lieslehto on tutkinut, että tekoäly erottaa aivokuvista skitsofrenian aiheuttamia muutoksia, jotka eivät ihmissilmälle näy. Toisaalta sen on vaikea erottaa eri häiriöitä toisistaan.

”Näyttäisi siltä, että tietyt aivorakenteet menevät rikki kaikissa häiriöissä.”

Tällä hetkellä odotuksia kohdistuu etenkin kielimalleihin, koska työ perustuu haastatteluihin ja asiakirjoihin. Esimerkiksi mielentilatutkimuksissa käydään läpi läjäpäin tekstiaineistoa. Lieslehto ja kollegat julkaisivat artikkelin siitä, miten suuret kielimallit oppivat tunnistamaan olennaisen tiedon.

”Näyttää siltä, että kielimallit löytävät lausunnoista aika samoja aspekteja kuin mitä ihmispsykiatrikin pitää tärkeinä”, Lieslehto sanoo.

Lääkärin vastuuta ei voi ulkoistaa. Siksi työkalujen on tärkeää toimia läpinäkyvästi.

Tekoälytyökalu voi esimerkiksi näyttää, mistä se on poiminut tekstiosat, ja värikoodata röntgenkuvista alueet, joilla se havaitsee muutoksia.

”Se voi tuoda lääkärin päättelyn rinnalle toisen mielipiteen ja toisen päättelyketjun.”

Tekoälyn käyttö etenee korkeintaan samaan tahtiin kuin luottamus sitä kohtaan kasvaa.

Siitä ei ole epäilystä, etteikö tekoäly päihittäisi ihmistä tietomassojen nopeassa ja systemaattisessa käsittelyssä. Tehtävästä riippuu, voittaako ylivertainen datan pureskelu ihmisen tiedon, kokemuksen ja intuition.

Vuonna 2024 julkaistussa, Stanfordin yliopiston tutkijoiden vetämässä tutkimuksessa tekoälyltä sujui vaikea diagnostinen päättely nopeammin ja tarkemmin kuin kokeneelta lääkäriltä. Tekoäly yksin oli parempi kuin lääkäri, joka käytti tekoälyä. Toisaalta lääkärit eivät suoriutuneet merkittävästi paremmin tekoälyn avulla kuin ilman sitä.

Ranskalaiset ja australialaiset tutkijat havaitsivat, että kokenut ihotautilääkäri päihittää yhä tekoälyn ihosyövän diagnosoinnissa. Tekoälymalleista paras oli parempi kuin alle 3 vuotta lääkärinä toimineet ja yhtä hyvä kuin 3–10 vuotta työskennelleet. Kokeneimmat lääkärit tunnistivat ihosyövät 74 prosentin ja paras tekoäly 72 prosentin tarkkuudella.

Duodecimin uutisen mukaan tekoälyä pidetään varsin hyvänä tunnistamaan muutoksia kuvista. Tulokset kuitenkin heikkenevät heti tosielämän tilanteissa, kun kuvamateriaali vaihtelee tai vastaan tulee harvinaisempi potilastapaus.

Tekoäly voi ehkäistä ihmisen ajattelun vinoumia, toisaalta se voi aiheuttaa itse uusia. Vaikka tekoäly toimisi ihmistä varmemmin, sen virheisiin suhtaudutaan ankarammin.

Ihmisellä on kyky eettiseen punnintaan, ja hänet voidaan asettaa vastuuseen teoistaan. Tekoäly ei kanna moraalista tai juridista vastuuta, vaan sen kantaa joku toinen. Tekoälyn virheet ovat erilaisia kuin inhimilliset: se voi hallusinoida ennustamattomilla tavoilla. Lisäksi järjestelmän virhe voi toistua yhden potilaan sijaan esimerkiksi tuhansille.

Neurofysiologian erikoislääkäri, Lääkäriliiton hallituksen jäsen Anu Muraja kaipaa keskustelua ja tutkittua tietoa tekoälyjärjestelmien taustoista ja vastuukysymyksistä.

”Jos tekoälyä käytetään diagnostiikassa, on hyvin tärkeä tietää, minkä tiedon avulla tekoäly tekee päätöksiä ja millaista dataa sille on syötetty”, sanoo Muraja, joka toimii lääkärien pääluottamusedustajana Pohjois-Savon hyvinvointialueella.

Muraja mainitsee esimerkin vinoumista: jos koulutusdata kerätään pääosin sairaista potilaista, terveiden osuus jää näkymättömäksi. Tällöin järjestelmä ei ehkä tunnista varhaisia oireita tai poikkeavia löydöksiä terveessä väestössä.

Potilastyössä käytettävät sovellukset luokitellaan suuririskisiksi tekoälyjärjestelmiksi. Niitä säännellään EU:ssa ja Suomessa muun muassa tekoälyasetuksella ja lääkinnällisten laitteiden asetuksella.

Orpon hallitus suunnittelee lakia, joka sallisi tekoälyn arvioida potilaan hoidon tarvetta. Muraja pitää suunnitelmaa huolestuttavana.

”Tekoälyn hyöty perustuu ihan siihen, mitä ihminen osaa tekoälylle ilmoittaa. Lääkäri tai hoitaja osaa oman kokemuksensa perusteella kysyä oireista oikeita lisäkysymyksiä. On vaarallista, jos potilaan pitäisi luottaa pelkästään tekoälyyn.”

Harvardin tutkijoiden tuore tutkimus totesi, että kielimallit suoriutuvat huonosti etenkin alkuvaiheen päättelystä vajaalla potilastiedolla. Niillä on taipumus hypätä mahdollisista diagnooseista nopeasti yhteen vastaukseen.

Aihetta tutkitaan Suomessakin: Tampereen yliopistollisessa sairaalassa selvitetään, voisiko tekoälyä kouluttaa tunnistamaan lasten oireita, jotka vaativat päivystyshoitoa.

Potilaan yleistila hyvä, hoikka, vasemmassa polvessa selvä hydrops, mielihyvää nivel virheasento.

Varkautelainen terveyskeskus­lääkäri Keijo Eskola tuskailee päivittäin tekoälyn virheiden kanssa. Pohjois-Savon hyvinvointialueella on vuoden ajan pilotoitu tekoälypohjaista puheentunnistusta. Tänä keväänä aluehallitus päätti 48 sihteerin ja tekstinkäsittelijän vähentämisestä, joista irtisanottiin 36.

”Jos aiemmin sihteeri ei saanut selvää sanelustani, hän kysyi minulta, mitä tarkoitit. Tekoäly saa kaikesta selvää. Se ei koskaan kysy, vaan kirjoittaa mitä keksiikin.”

Osa kirjauksista sujuu hyvin, mutta ongelmia ilmenee päivittäin.

Ihmisetkin tekevät virheitä. Tekstinkäsittelijöiltä jää lyöntivirheitä, ja lääkäreiden sanelukukkasia on koottu huumorikirjoiksi asti. Tekoälyn virheet ovat kuitenkin erityyppisiä. Se keksii puppusanoja, vaihtaa senttimetrit syöpämarkkeriksi tai kirjoittaa 25 milligramman lääkemääräyksen auki muotoon 20 5 milligrammaa.

”Ensin näyttää, että se kirjaa oikean sanan, mutta kun sanot seuraavan sanan, se päättelee, että tähän voisikin passata jokin muu sana.”

Lääkäreitä kuormittaa lisääntynyt tarkistelu ja pelko virheistä.

Hyvinvointialueen johto totesi Ylellä toukokuussa, että vakavia vaaratilanteita ei ole sattunut. Eskolan mukaan se ei tarkoita, ettei­kö haittaa olisi voinut syntyä.

Esimerkiksi Kelan etuus voi jäädä saamatta, jos lausunnon viesti on sekava.

”Lääkärien Facebook-ryhmässä joku Kelan asiantuntija kirjoitti, että kyllä huomaa, missä on aloitettu puheentunnistusjärjelmän käyttö. Sieltä tulee lausuntoja, joista ei ymmärrä hölkäsen pöläystä.”

Usea Eskolan kollega on ruvennut kirjaamaan käsin. Se tarkoittaa nurinkurisesti enemmän aikaa koneella, sihteerin töitä lääkärin palkalla.

Eskola toivoo, että tämä on alkuvaiheen kipuilua. Hän ei vastusta tekoälyn tuloa vaan käyttää sitä, kun siitä on hyötyä. Hän arvelee, että vastaanottojen tallennussovellus olisi hyödyllisempi kuin pelkkä puheentunnistus. Tällöin aidosti poistuisi yksi työvaihe.

”Nyt ensin tutkin potilaan ja sitten teen tekstin ja sitten käyn sen läpi uudestaan.”

Tekoälyn tarkkuutta ja suorituskykyä terveydenhuollon alalla tutkitaan paljon. Avoin kysymys on yhä: seuraako tästä parempaa hoitoa ja terveyttä?

Tieto vaikutuksista potilaisiin on yhä vaihtelevaa ja vähäistä, totesi The Lancetin viime vuonna julkaisema systemaattinen katsaus.

Terveydenhuollon erikoislääkäri, Helsingin yliopiston tutkija ja dosentti Enni Sanmark on kiinnostunut tästä kysymyksestä. Hän tutkii tekoälyn hyödyntämistä terveydenhuollossa: diagnosointia, tekoälyratkaisujen käyttöönottoa, ammattilaisten ja potilaiden kokemuksia.

Sanmark sanoo, että jos virtsatieinfektion­ diagnosointi sujuu lääkäriltä minuutissa, automatisoinnista ei juuri ole hyötyä. Miksi mennä raketilla, jos pääsee kävellen.

Sen sijaan tekoäly on hyvä louhimaan datamassoja, tunnistamaan trendejä ja yhteyk­siä. Sanmarkia kiinnostaa tekoäly muun muassa harvinaissairauksien diagnosoinnissa. Ne ovat nimensä mukaisesti harvinaisia, mutta yhteensä niitä on tuhansia. Niitä potevia on Suomessa arviolta yli 300 000.

Yksi esimerkki ovat vaskuliitit, verisuonitulehdukset. Oireet ovat epämääräisiä: korva-, nenä- ja kurkkuoireita, poskiontelotulehduksia, kohonneita munuaisarvoja, iho-ongelmia. Ihminen voi hakeutua eri erikoisalojen vastaanotoille, eikä kukaan ehkä huomaa yhdistää oireita. Diagnosoinnin viiveet ovat pitkiä, jopa parikymmentä vuotta.

”Tekoälymalli pystyy monitoroimaan ja sulattelemaan rajattoman määrän dataa. Sillä voi olla kaikki maailman keissit referenssinään, kun lääkäri ei ole ehkä nähnyt tautia ikinä urallaan”, Sanmark sanoo.

Jos diagnooseja saadaan enemmän ja nopeammin, onko terveydenhuollolla myös resurssit hoitaa nämä potilaat?

Sanmarkin mukaan tekoälyjärjestelmiä käyttöön ottaessa on tärkeää tutkia, johtavatko ne vaikuttavampaan terveydenhuoltoon ja tuovatko potilaille hyvinvointia.

”Käyttävätkö nämä ihmiset enemmän vai vähemmän terveydenhuollon palveluita, elävätkö terveempinä vai vähemmän terveinä, kouluttautuvatko paremmin ja maksavatko veroja enemmän vai eivät?”

Sanmarkin tutkimuksessa rekisteriaineistojen avulla tarkastellaan takautuvasti, paljonko terveydenhuoltoa on käytetty ennen diagnoosia ja diagnoosin jälkeen, millaisia etuuksia potilaat ovat saaneet ja niin edelleen. Tavoitteena on saada tietoa siitä, mitä diagnoosin aikaistuminen voisi vaikuttaa inhimillisesti ja taloudellisesti.

Myös eettiset kysymykset pitää ottaa huomioon. Mikä on riittävä hyöty, joka oikeuttaa kalliit järjestelmät ja luonnonvaroja kuluttavan tekoälyn raksutuksen? Ja toisaalta: onko yhteiskunnalla moraalinen velvollisuus hyödyntää tekoälytyökaluja, jos ne auttavat purkamaan terveydenhuollon kuormitusta?

”Pitää myös miettiä, mitä tehostamisella tavoitellaan: irtisanotaanko ihmisiä vai siirretäänkö toisiin tehtäviin?” Sanmark sanoo.

Ihanteellisesti potilaan kohtaaminen paranee ja lääkäri saa käyttöönsä datan juuri sellaisena kuin tarvitsee. Olennaista on se, miten työtavat onnistutaan ottamaan osaksi arkea.

”Tekoäly tuntuu teknologialta, jonka kuka tahansa voi omaksua. Vaatii kuitenkin tosi paljon johtamista ja resurssointia, jotta sitä käytettäisiin oikein ja oikeisiin asioihin.”

Uutta jaksaa opetella, jos päivät eivät ole valmiiksi täynnä.

Nummelan terveysaseman lääkäreille Eveliina Jormanaiselle ja Jenna Nicklénille uusien työtapojen opettelu on ollut mielekästä. Kaikille ei välttämättä.

”Jos lääkärin jaksaminen on ihan äärirajoilla ja töissä on kohtuuton kiire, pienikin muutos voi olla kuormittavaa. Täytyy olla tosi selkeä hyöty tiedossa, jotta jaksaa muutoksen”, Nicklén sanoo.

Kirjaustyökalua voisi esimerkiksi personoida omaan tyyliin sopivaksi. Mutta jos on kiire, ei jää aikaa edes sellaiseen, mikä pidemmän päälle voisi helpottaa työtä.

Tällä hetkellä lääkärit toivoisivat tekoälyä etenkin nykyisten järjestelmien kanssa selviytymiseen. Niihin integroitu tekoäly voisi etsiä tietoa, joka nyt on hajallaan.

”Meillä on auki potilastietojärjestelmä, Kanta ja labraohjelma samaan aikaan. Tiedon löytäminen on joskus yllättävän hankalaa. Hakutoiminnot saattavat toimia tosi huonosti”, Nicklén kertoo.

Tulevaisuudessa sovellukset ehkä toimivat lääkärin tukena vastaanotolla: muistuttavat laboratoriokontrolleista tai lääkkeiden yhteisvaikutuksista. Jormanainen sanoo, että etenkin vastavalmistuneita tuki voisi hyödyttää – kunhan tekoälyyn ei luota liikaa.

”Kaikkia potilaita ei voi hoitaa geneerisesti samalla tavalla, vaan hoito pitää miettiä yksilöllisesti. Tarvitaan ihmistä miettimään paras ratkaisu.”