Katsaus Tietoevryn visioon tekoälystä.
01 marraskuuta 2024
Monien maiden sosiaali- ja terveydenhuollon organisaatiot ovat ylikuormitettuja, ja väestön ikääntyminen lisää hoidon tarvetta. Julkisen sosiaali- ja terveydenhuollon budjetit eivät kasva samaa tahtia kuin hoidon tarve, minkä lisäksi ammattitaitoisen työvoiman saatavuus voi olla rajallista.
Alalla tarvitaankin kipeästi välineitä, joiden avulla voidaan tehostaa nykyistä hoitoa. Koneoppiminen ja tekoäly ovat ratkaisevassa asemassa tämän mahdollistamisessa.
"Näemme tekoälyn sosiaali- ja terveydenhuollon avustajana, jonka avulla hoitoalan ammattilaiset voivat hyödyntää teknologiaa tehostamaan mm. tiedon etsintää, kirjausten ja yhteenvetojen luomista. Hallinnollisten tehtävien automatisointi vapauttaa enemmän aikaa potilaiden hoitamiseen", kertoo Niina Siipola, Tietoevry Caren Head of AI and Data Solutions.
Tietoevryn Lifecare Data Platform -ratkaisu (linkki johtaa englanninkieliselle sivulle) mahdollistaa tiedon keruun ja hallinnan, jota tarvitaan tekoälypohjaisten terveys- ja sosiaalihuoltopalvelujen tuottamiseen. Alusta on laajalti käytössä Suomessa.
Keskeinen osa tarjontaa on ratkaisu, joka poistaa luotettavasti tunnistetiedot ennen suurten kielimallien (Large Language Models) käyttöä. Tämä ominaisuus ei ole itsestäänselvyys terveydenhuollon tietojen kanssa työskentelevien ohjelmistotoimittajien keskuudessa.
"Olemme työskennelleet tekoälyn parissa terveydenhuollossa jo noin kuusi vuotta, joten olemme oppineet paljon asiakkaiden tarpeista ja teknologisista haasteista. Myös tietoturva- ja tietosuojasäädökset on otettava huomioon", Siipola sanoo.
"Olemme hyvin tarkkoja, miten ja missä käytämme tekoälyä, sillä haluamme välttää yksityisyyden suojaan liittyviä ongelmia. Tietoevry Caren sääntelyn mukainen lähestymistapa tietoturvaan ja yksityisyyden suojaan perustuu pitkään kokemukseemme tältä alalta", hän sanoo.
Yksi Tietoevry Caren työtä Suomessa ohjaavista sääntelyn kehityssuuntauksista on toisiolakiin liittyvä lakimuutos, joka sallii terveydenhuollon ammattilaisen yhteydenoton potilaaseen, mikäli kyse on kliinisesti merkittävästä löydöksestä, jonka perusteella olisi mahdollista ehkäistä tietyn potilaan terveyteen liittyvää riskiä tai parantaa merkittävästi hoidon laatua.
Tämä on olennaista, kun koneoppimisvälineet havaitsevat sairauden merkkejä, jotka ihmiset saattavat jättää huomiotta. Viranomaiset voivat nyt ottaa yhteyttä henkilöön, jolla on kliinisesti merkittävä löydös tietystä sairaudesta, ellei kyseinen henkilö ole kieltänyt yhteydenottoa.
Tietoevry Care ja Helsingin yliopistollinen sairaala (HUS) (esillä englanninkielisessä CNN:n terveydenhuoltoraportissa) ovat tehneet yhteistyötä tällä alalla ja kehittäneet ennustemalleja, joita voidaan tulevaisuudessa hyödyntää kolmen harvinaissairauden diagnosointiin.
"Meillä oli ensimmäinen validointikierros aiemmin tänä vuonna, ja nyt jatkamme viranomaisprosessien hiomista. Odotamme, että ratkaisu on laajemmassa kliinisessä validoinnissa ennen vuoden 2024 loppua", Siipola sanoo.
Tietoevry Care osallistuu myös uuteen Helsingin Yliopiston kaksivuotiseen tutkimushankkeeseen, jonka tarkoituksena on arvioida laajojen kielimallien mahdollisuuksia terveydenhuollon eri käyttötapauksissa. Hanke, joka sai hiljattain yli miljoonan euron rahoituksen, kokoaa yhteen useita terveydenhuollon organisaatioita ja yksityisiä yrityksiä.
Tärkeä tutkittava käyttötapaus on se, miten tekoäly voi nopeuttaa dokumentointiprosessia sekä terveydenhuollossa että sosiaalihuollossa. Tietoevry Care pilotoi parhaillaan uutta ratkaisua, jossa puhe muunnetaan tekstiksi ja kirjauksen laatua parannetaan tekoälyn avulla. Sen avulla hoitotyöntekijät voivat potilaskäyntien jälkeen sanella muistiinpanoja sen sijaan, että ne kirjoitettaisiin käsin. Ratkaisu myös jäsentää tiedot ja korjaa kirjoitusvirheet.
"Julkisen terveydenhuollon työntekijä voi käyttää päivässä jopa viisi tuntia potilastietojen kirjoittamiseen. Tekoälyavustajamme pyrkii tehostamaan tätä prosessia, jotta hoitohenkilökunta voi keskittyä enemmän potilaisiin kuin dokumentointiin. Ennakoimme ratkaisumme puolittavan ajan, jonka lääkärit ja sairaanhoitajat käyttävät tällä hetkellä potilastietojen kirjoittamiseen", Siipola kertoo.
Parhaillaan yli 50 terveyden- ja sosiaalihuollon ammattilaista testaa Microsoft Azuren tekoälyominaisuuksiin perustuvaa ratkaisua, jotta se vastaisi monenlaisiin terveyden- ja sosiaalihuollon tarpeisiin.
"Suomen kieli on yksi haastavimmista kielistä suurille kielimalleille, erityisesti kliinisessä kontekstissa. Uskomme, että ratkaisu voidaan helposti sovittaa Ruotsin ja Norjan markkinoille", Siipola sanoo.
Sen lisäksi, että laajat kielimallit tukevat hoitohenkilökuntaa potilasmuistiinpanojen laatimisessa, Tietoevry Care näkee niillä olevan suurta merkitystä avoimen asiakaspalautteen luokittelussa.
"Terveydenhuollon tarjoajat saattavat saada vuosittain tuhansia asiakaspalautelomakkeita. Palaute on usein vapaassa tekstimuodossa, jonka lukeminen ja analysointi vie paljon aikaa. Tietoevry Care on kehittänyt tekoälyavustajan, joka automatisoi tämän prosessin", Siipola kertoo.
Suomessa toteutetussa pilottiprojektissa avustajan avulla luokiteltiin yli 4 900 anonyymiä asiakaspalautetta. Tekoäly analysoi vastausten sävyä ja useita muita näkökohtia. Se on osoittautunut tehokkaaksi työkaluksi, joka vähentää manuaalista työtä ja käyttää samalla asiakkaiden ja työntekijöiden palautetta hoitopalvelujen jatkuvaan parantamiseen.
"Tekoälyn mahdollisuudet tiedon rakenteistamisessa luovat mahdollisuuksia hoidon tehostamiseen ja laadun parantamiseen", Siipola sanoo. "Rakenteistettu tieto mahdollistaa entistä tehokkaampaa tiedon hyödyntämistä eri sosiaali- ja terveydenhuollon järjestelmien välillä helpottaen näin tutkimusta, hoidon tehostamista ja palveluiden parantamista."
Rakenteistetun tiedon avulla ei pelkästään helpoteta päivittäistä toimintaa, vaan se on askel kohti älykkäämpää toiminnan suunnittelua ja mahdollistaa paremman lopputuloksen.
---
Haluatko tietää lisää data- ja analytiikkaratkaisuistamme? Lue lisää täältä!