Tekoäly ehkäisee sairauksia ja edistää hyvinvointia

Blogikirjoitus julkaistu Tekoälyaika -blogissa 15.10.2018

Omaehtoinen terveyden ylläpito ja sairauksien riskikartoitus erilaisten digitaalisten kanavien kautta ovat tulevaisuuden uusia, merkittäviä palveluita. Tällaiset ns. tietointensiiviset palvelut tulevat olemaan kilpailukykymme perusta. Niitä tukee tekoälyn hyödyntäminen tutkimuksessa ja uusien tuotteiden ja palvelujen kehityksessä.

Tekoälyn avulla ehkäistään sairauksia

Tietointensiivisten palvelujen kehittämisessä keskeisellä sijalla on se, että osataan hyödyntää data-analytiikan ja tekoälyn kyvykkyyttä erityisesti varhaisen vaiheen terveysriskien tunnistamisessa ja diagnostiikassa. Sairauden hoidossa mahdollisuudet ovat pitkälti prosessien automatisoinnissa ja työrutiinien optimoinneissa.

Tulevaisuudessa koneoppiva algoritmi voi ennustaa tulevia terveysriskejä ja tukea terveyden edistämisessä. Sähköinen terveystarkastus voisi analysoida nykyistä terveyden tilaa ja tekoälyn avulla ohjata chat-haastattelun perusteella tarkoituksenmukaiseen palveluun.

Datan hallinta ja yhdistäminen olennaista

Edellä mainitut esimerkit vaativat kyvykkyyttä hallita ja hyödyntää erilaisia datalähteitä. Sairauksien riskien tunnistaminen ja varhainen diagnostiikka riippuvat enenevissä määrin erilaisten datalähteiden yhdistämisestä ja ennakoivien algoritmien kehityksestä.

Terveystietojen yhdistäminen niin potilasrekistereistä, väestötutkimuksesta, perintötekijöistä tai elintapatiedosta on tarpeen, jotta tekoälyteknologiasta ja koneoppimisesta saataisiin kaikki mahdollisuudet irti. Suomessa on hyvät potilasrekisterit ja väestötason terveystiedon rekisterit, mitkä mahdollistavat uusien digitaalisten palvelupolkujen, diagnostisten työkalujen sekä uuden liiketoiminnan syntymisen terveysalalla.

Ammattikuntien vuoropuhelu tärkeää

Haasteena on, että eri ammattikunnat käyvät vain vähän vuoropuhelua tekoälykehityksessä. Suomessa ollaan vielä varsin alkutaipaleella lääketieteen tutkimuksen ja tekoälytutkimuksen yhdistämisessä.

Jotta voisimme opettaa konetta analysoimaan lääketieteellisiä kuvantamistuloksia, on meidän varmistettava pääsy laajoihin lääketieteellisiin kuvantamisarkistoihin ja -rekistereihin ja yhdistettävä lääketieteellinen osaaminen osaksi koneoppimisen kehitystyötä. Lisäksi tarkoituksenmukaisen ja laadukkaan datan saaminen ja sen yhdistäminen eri lähteistä on vielä suuri haaste.

Suomesta kansainvälinen kärkitoimija

Uusin tutkimustieto niin edistyksellisen analytiikan kuin ICT-osaamisen osalta on saatava hyötykäyttöön. Tekoälykyvykkyyksien luonti terveysalalla vaatii osaamista alan erityispiirteistä sekä ymmärrystä tekoälyn ja koneoppimisen hyödyntämisestä. Tähän osaamisen nostoon meidän on hyvä rakentaa vahva kansallinen tutkimus-ja innovaatiotoiminnan osaamisverkosto.

Sen päätehtävänä on rakentaa Suomesta kansainvälinen kärkitoimija digitaalisen terveyden tutkimus-ja innovaatiotoiminnassa. Ilman kansallista osaamisverkostotoimintamallia emme ole kilpailukykyisiä tekoälyn ja koneoppimisen hyödyntämisessä terveysalalla.

 

Teksti: työelämäprofessori, johtaja​ ​​​​​​Maritta Perälä-Heape
Centre for Health and Technology, Oulun yliopisto

Viimeksi päivitetty: 19.10.2018