Selitettävä tekoäly yksilöllisen hoidon valintaan hyödyntäen reaalimaailman dataa

Samaa sairautta sairastavat potilaat eivät aina reagoi samanlaiseen hoitoon samalla tavalla. Ikä, sairauden ominaisuudet, erilaiset terveydentilaan liittyvät tekijät ja monet muut asiat voivat vaikuttaa siihen, kuinka hyvin hoito toimii. Siksi tarvitsemme parempia keinoja tukea yksilöllisempiä hoitopäätöksiä.

Tutkimuksessa selvitettiin, miten tekoälyä ja terveydenhuollossa rutiininomaisesti kerättyä tietoa voidaan hyödyntää yksilöllisemmän hoidon valinnan tukena. Tutkimuskokonaisuus koostui neljästä kroonisiin sairauksiin keskittyvästä julkaisusta. Työssä kehitettiin ja arvioitiin tekoälymalleja hoidon lopputuloksen ennustamiseen sekä eri hoitomuotojen toimivuuden vertailuun potilaiden välillä.

Tärkeä osa tutkimusta oli tehdä malleista helpommin ymmärrettäviä. Sen sijaan, että mallit tuottaisivat vain ennusteita, menetelmien avulla voitiin myös osoittaa, mitkä potilaan ominaisuudet vaikuttivat tuloksiin. Tämä voi auttaa tutkijoita ja terveydenhuollon ammattilaisia ymmärtämään, miten mallit päätyvät tuloksiinsa, sekä arvioimaan, ovatko mallien tuottamat tulokset kliinisesti perusteltuja.

Tulokset osoittivat, että tosielämän terveydenhuollon aineistot voivat tarjota arvokasta tietoa sairauden lopputuloksista ja potilaiden välisistä eroista hoitovasteessa. Tulosten perusteella voidaan myös vertailla mahdollisia lopputuloksia eri hoitovaihtoehtojen välillä ja täten voidaan tunnistaa mikä hoito soveltuu potilaalle parhaiten.

Kokonaisuutena tutkimus osoittaa, miten tosielämän terveystietoa, tekoälyä ja ymmärrettäviä mallien selityksiä voidaan yhdistää yksilöllisemmän terveydenhuollon tukemiseksi. Ottamalla huomioon yksittäisten potilaiden ominaisuudet nämä lähestymistavat voivat tulevaisuudessa edistää paremmin perusteltuja, läpinäkyvämpiä ja potilaskohtaisempia hoitopäätöksiä.