1. yle.fi
  2. Uutiset

Ihmiset tietovisassa piessyt tekoäly voisi pelastaa nuoria syrjäytymiseltä – vievätkö algoritmit lääkäreiden leivän vai tuovatko ne helpotuksia elämään?

Algoritmit voivat keventää manuaalista työtä ja tuoda lääkärin lähemmäs potilasta. Koronavirus vauhdittaa nyt kristallipallon etsintää.

tekoäly
Watson-tekoälyrobotti.
Tässä on IBM:n Watson, joka nöyryytti ihmiskilpailijoitaan Jeopardy-tietovisassa vuonna 2011. Tekoäly on kehitetty etenkin ymmärtämään puhetta, siksi sitä aiotaan käyttää tulevaisuudessa sosiaali- ja terveysalan sovelluksissa.AOP

Lääkäri aina taskussa, kristallipalloja sairaanhoitoon, ihmistä parempia diagnostikkoja ja superalgoritmeja, jotka kertovat saatko diabeteksen vai et.

Tämä voi olla todellisuutta terveydenhuollossa jo tällä vuosikymmenellä, kun tekoälysovellukset saadaan käytäntöön.

Tekoälyn voisi määritellä koneen kyvykkyydeksi matkia ihmistä – kuunnella ja ymmärtää puhetta, hahmottaa kuvia, tunnistaa kasvoja, oppia näkemästään ja kokemastaan.

Ulkoasultaan tekoäly voidaan pukea moneen kuoreen. Se voi ilmentää itseään tietokoneohjelmana, työkaluna tai vaikkapa robottina.

Koneoppiminen on algoritmien kykyä hahmottaa erilaisia päätelmiä suurista aineistoista, havaita korrelaatioita ilmiöiden välillä tai nähdä jotain sellaista, jota inhimillisyyden kahlitsema ihminen ei näe.

Tehokkaat sovellukset voivat käydä nopeasti läpi datamääriä, joiden kahlaamisessa ihmiseltä kuluisi viikkoja, kuukausia, vuosia, jopa elinikä tai enemmän.

Algoritmit voivat olla tulevaisuudessa yhtä kiinteä osa terveydenhoitoa kuin lääkkeet tai laboratoriokokeet.

Miltä tuntuisi, jos lääkäri määräisi potilaalle verikokeiden lisäksi kolme algoritmia, jotka kahlaisivat hänen terveystietonsa läpi ja vertaisivat niitä massadatan kertomiin korrelaatiohin?

arvi, robotti
Aalto-yliopiston Arvi-robotti vuonna 2015. Koneoppimisen soveltaminen ohjelmointiin mahdollistaa roboteille kyvyn oppia jatkuvasti.Salla Hongisto / Yle

Ylen haastattelema tohtori Tanuj Gupta vetää tekoälyyn keskittyvää kehitysyksikköä Cernerissä, joka on maailman suurimpia terveydenhuollon teknologiaratkaisuja tarjoavia yrityksiä.

Koska tekoälyn vallankumous myös terveydenhuollossa on väistämätön – ainakin, jos maailma jatkaa nykyisillä raiteillaan – neuvoo Gupta miettimään jo etukäteen sääntelyä tulevan teknologian suhteen.

Gupta toivoo, että Suomessa keskusteltaisiin lainsäädännöstä näiden sovellusten suhteen jo etukäteen. Niin, että tiedettäisiin, käsitelläänkö algoritmien kliinisiä kokeita samanveroisina kuin lääkekokeita.

Vai tuliskiko digitaalisista hoitokokeista omat säädöksensä?

– Jos Suomen hallitus käsittelisi aihetta, säätäisi ohjeet ja säännöt toiminnalle, voisi se avata kokonaan uuden teollisuudenalan terveydenhoidolle, Gupta sanoo.

Tekoäly voisi tehdä terveydenhoidosta jopa ihmisläheisempää

Sana robotti tulee tšekin kielen sanasta robota, joka tarkoittaa pakkotyötä. Tekoälykin tekee sen, mitä siltä toivotaan, vaatimatta sen enempää. Se on vain työkalu.

Kun teknologia kehittyi aina Kehruu-Jennystä suurten tehtaiden ja loputtomien liukuhihnojen uupumattomiin hitsaajarobotteihin asti, pidätteli moni tehdästyöläinen hengitystään. Nyt lähtee työpaikka alta.

Tekoälyn asiantuntija, Jyväskylän yliopiston professori Pekka Neittaanmäki kertoo, että myös suomalainen lääkärikunta on osoittanut huolensa aiheesta.

Etenkin radiologit olivat Neittaanmäen mukaan huolestuneita. Jos kone kerran on minua parempi katsomaan kuvia, mihin minua tarvitaan?

Cernerin Guptan mukaan aihetta huoleen ei kuitenkaan ole.

– Sellaista algoritmia ei tulla kehittämään, joka työkaluun tai koneeseen ohjelmoituna hoitaisi potilasta mielivaltaisesti ilman lääkärin valvontaa. Ja kaikille algoritmeille, jotka tekevät tutkijalle näkymättömiä päätöksiä, pitäisi hakea luvat kliiniseen tutkimukseen.

Leikkausrobotti.
Leikkausrobotti suorittamassa ensimmäistä sydänleikkaustaan Anhuin yliopistosairaalassa Kiinassa vuonna 2017.AOP

Myös Neittaanmäki korostaa ihmisen tärkeyttä jatkossakin. Esimerkiksi leikkausrobotitkaan eivät toimi itsenäisesti, vaan ne ovat vain työkaluja, joita ihminen käyttää.

Tekoäly voi tuoda lääkärin jopa lähemmäs potilasta. Cernerin kehittämä algoritmi kuuntelee lääkärin ja potilaan keskustelua, ymmärtää luonnollista kieltä ja poimii talteen terveystietoja, jottei lääkärin tarvitse tehdä samalla muistiinpanoja.

Siis jos potilas antaa luvan keskustelun kuuntelemiseen. Yksityisyydesta huolehtiminen on tärkeää silloinkin, kun terveydenhuoltoa avustetaan tekoälyllä.

Silloin lääkäri ehtii katsomaan silmiin useammin, olemaan enemmän läsnä tilanteessa. Ihmisen tärkein on kokonaisvaltainen hoidon arviointi ja empatia, siihen algoritmi ei taivu.

Monimutkainen tekoäly voidaan tarjoilla helpossa paketissa

Luonnollisen kielen ymmärtäminen on tärkeä ominaisuus terveydenhuoltosovellukselle.

Neittaanmäki mainitsee, että vaikkapa diagnostiikassa potilaan tapa kuvailla oireitaan on tärkeä osa johtopäätöksen tekemistä.

Teknologiajätti IBM:n Watson-tekoäly on taitava ymmärtämään luonnollista kieltä. Se murskasi ihmisvastustajansa Jeopardy-tietovisassa jo vuonna 2011.

Watsonia on sittemmin käytetty esimerkiksi mainonnassa ja myös kullankaivuussa (siirryt toiseen palveluun). Watsonin käyttömahdollisuuksia on testattu Suomessakin.

Robotti.
Tämä verinäytteitä analysoiva robottimikrobiologi kantaa kortensa kekoon taistelussa koronaa vastaan. Pandemia on lisännyt kiinnostusta terveydenhuollon uutta teknologiaan kohtaan. Evgenii Parilov / Alamy

Taitava tekoäly voisi Neittaanmäen mukaan esimerkiksi tunnistaa syrjäytymisvaarassa olevia nuoria ynnäämällä yhteen ennusmerkkejä.

Jyväskylän yliopiston Tekoälyn soveltaminen terveydenhuollossa ja hyvinvoinnissa (siirryt toiseen palveluun) -raportti esittelee lukuisia kansallisen tason käyttökohteita, joihin tekoäly voisi sopia.

Tekoälystä voisi tulla esimerkiksi virtuaalinen perhelääkäri, joka tuntisi perheen terveystiedot perinpohjaisesti ja osaisi konsultoida hoitoa.

Helppo mobiilisovellus voisi tunnistaa kasvoista ja puheesta aivohalvauksen oireet.

Tekoäly on monimutkainen konsepti, mutta sen sovellukset voivat olla hyvinkin ihmisläheisiä.

Antaisitko sinä terveystietosi tekoälylle?

Yksi pulma koneoppimisen hyödyntämisessä on pitkään ollut se, että algoritmit vaativat massiivisesti dataa oppiakseen itsenäisesti.

Lapsi oppii nopeasti, miltä koira näyttää. Sillä on karvaa, häntä, korvat ja se haukkuu. Algoritmille saman asian oppiminen vaatii lukuisia toistoja, sillä se ei varsinaisesti näe, vaan tarkastelee kuvien pikseleitä.

Kun koirien kuvia on näytetty tarpeeksi, saattaa sovellus kinnittää huomiota myös sellaisiin ominaisuuksiin, joihin ihminen ei osaisi. Inhimillisyys ei ohjaa sen hahmotuskykyä.

Professori Pekka Neittaanmäen mukaan algoritmit eivät enää ole yhtä vaativia datamäärien suhteen, sillä ihminen pystyy opettamaan niille, miten pienempiä data-annoksia kuuluisi tarkastella.

Tanuj Guptan mukaan osaan Cernerin visioimista sovelluksista dataa on jo nyt riittävästi saatavilla, osaan ei.

Ongelmana on terveystietojen yksityisyys, joka on toisaalta hyvin ymmärrettävää yksilönsuojelun näkökulmasta.

Jos terveystiedot olisivat julkisia, uhkana olisi syrjintä niiden perusteella. Vaikuttaisiko työntekijän masennus mahdollisuuksiin edetä uralla? Saisiko kaksisuuntaista mielialahäiriötä sairastava asunnon?

Garry Kasparov möter Deep Blue-datorn.
1997 IBM:n Deep Blue -tietokone voitti shakkiottelun maailmanmestari Garri Kasparovia vastaan. Viimeistään tästä alkoi ison datan vallankumous, joka on tuonut koneoppimisen osaksi elämäämme.Copyright Rex Features Ltd 2012/All Over Press

Terveysdata eroaakin esimerkiksi sosiaalisen median datasta.

Kun käytämme Facebookia tai Googlen sovelluksia, annamme luvan sille, että meistä kerättyjä tietoja, siis dataa, voidaan käyttää algoritmien kehittämiseen yhtiöiden sisällä.

Silloin käyttäjädataa saadaan kerättyä suunnattomia määriä.

Myös terveydenhuollolla dataa on paljon, mutta se ei ole julkista. Edes Cerner, joka kehittää koneoppimisen sovelluksia terveydenhuoltoon, ei voi yhdistää kaikkien asiakkaidensa dataa kaikista terveystiedoista.

Jotkut sairaudet ovat myös niin harvinaisia, ettei kaikki maailman terveysdata riittäisi siihen, että algoritmit saataisiin toimimaan luotettavasti.

Vielä vuonna 2012 Googlen Gmail-sähköpostiin rekisteröityessä annettiin lupa vain siihen, että Gmail saa käyttäjän tiedot.

Nykyisin lupa koskee yhtiön kaikkia sovelluksia. Datan keräämistä on vastustettu, mutta asenneilmapiiri on muuttunut, kun sovellukset puhuvat keskenään ja voivat tehdä elämästä helpompaa.

Suhtautuminen siihen, että Cernerin kaltaiset yhtiöt saisivat jatkuvan käyttöoikeuden terveystietoihin, on kuitenkin yhä kankeaa.

Vallankumous on jo täällä

Terveydenhuollon digitalisaation ensimmäinen askel olivat sähköiset potilastietojärjestelmät.

Ne ottivat hiljalleen jalansijaa terveydenhuollon eri aloilla, kunnes 2000-luvulla tietojen tallennuksesta tuli kokonaan sähköistä (siirryt toiseen palveluun).

Sähköisistä järjestelmistä on tullut itsestäänselvyys, mutta Gutpan mukaan vielä 20 vuotta sitten lääkärit ja hoitajat toppuuttelivat kehitystä, sillä homma toimi hyvin paperillakin.

Paperilta verkkoon, kirjoituskoneista digitaalisuuteen kiipeäminen oli yli kahden vuosikymmenen taival.

Kannustavat esimerkit tekoälyn hyödyllisyydestä ovat kääntäneet suhtautumisen päälaelleen.

Kysyntää sovelluksille on valtavasti, ja Gupta uskoo, että se tulee vauhdittamaan aikataulua, jossa koneoppivista algoritmeista tulee todellisuutta arkipäivän terveydenhuollossa.

Siksi Gupta arvioi, että tekoäly mullistaa jo tällä vuosikymmenellä terveydenhuollon.

Pandemia vauhdittaa terveydenhuollon kristallipallon kehittämistä

Seuraavat sovellukset, jotka näkevät päivänvalon, ovat todennäköisesti henkilöstön- ja resurssienhallintaan liittyviä.

COVID-19-pandemia on lisännyt ennakoinnin tarvetta ja koneoppiminen voisi auttaa siinä.

Monissa tapauksissa lääkärikäynnit on myös korvattu etävastaanotoilla.

Gupta uskoo, että jos kehitys jatkuu, tarvitaan tekoälysovelluksia myös etähoidon tarpeisiin.

Joskus ne voivat olla yllättävänkin yksinkertaisia. Tiedejulkaisu Science kertoi kesäkuussa tekoälysovelluksesta (siirryt toiseen palveluun), joka analysoi verkossa tehtävän, yksinkertaisen näkötestin tuloksia.

3D-malli sydämestä.
Puolalainen 3D-ohjelmoija Wojciech Wojtkowski kehitti vuonna 2016 algoritmin, jonka avulla tehdään avaruudellisia malleja kehon elimistä. 3D-tulostetulla mallilla lääkärit voivat harjoitella leikkausta etukäteen. Tomasz Waszczuk / EPA

Jos algoritmit saataisiin arvioimaan koronatilanteen kehitystä, tiedettäisiin viikon varoitusajalla, milloin tehohoito kuormittuu ja välineistöä ja työvoimaa tarvitaan enemmän.

Samat algoritmit olisivat hyödyllisiä jatkossakin. Ne voisivat maailmantilaa tarkastelemalla ennustaa tarpeita terveydenhuollossa.

Jos huomenna sataa lunta, ihmiset liukastelevat ja sairaaloihin tulee enemmän potilaita, joilla on luunmurtumia. Jos ulkona paistaa auriko, tulee nestehukkatapauksia.

Tämän kaltaiset esimerkit ihmiset toki ymmärtävät itsekin, mutta algoritmit voivat tunnistaa korrelaatioita, joita me emme näe.

Ennustaminen, tai siis oikeastaan vain ennusmerkkien tulkitseminen, olisi yksi koneoppimisen keskeisistä käyttömahdollisuuksista terveydenhuollossa.

Lopulta kaikki riippuisi yhä ihmisestä, joka tekisi päätökset ja kantaisi vastuun hoidosta.

Osaltaan vastuuta kantaisi myös algoritmin kehittäjä, jos näin päätetään säätää, kun tekoälyn potilasturvallisuutta lähdetään tarkastelemaan lainsäädännössä.

Tekoäly, koneoppiminen ja algoritmit ovat vain työkaluja. Kuten vaikkapa kirjat, skalpellit tai sydämentahdistimet.

Ilman ihmistä niitä ei olisi, ja ilman ihmistä ne eivät toimi.

Lue myös:

Tekoäly päihitti lääkärit rintasyövän tunnistamisessa

Tekoäly voi mullistaa syövän hoitoa – Kasvain saatetaan havaita uusilla menetelmillä entistä pienempänä

Tekoäly nopeuttaa diagnooseja ja ohjaa yksilöllisempään hoitoon terveydenhoidossa – kone kertoo jo uniapneapotilaan voinnista etänä

Supertietokone ennakoi koronaviruksen käyttäytymistä – Kajaanissa selvitetään leviääkö virus vai heikkeneekö se

Lue seuraavaksi