Tekoaly muuttaa terveydenhuollon tulevaisuutta
07.12.2021

23.11.2021 oli viimeinen osa 7-osaisesta tiedolla johtamisen webinaarisarjasta 7 askelta kohti parempaa tiedolla johtamista. Haimme ja saimme vastauksia kysymykseen: Miten tekoäly muuntaa terveydenhuollon tulevaisuutta?

Moderaattorina oli Leo Heinsuo, joka työskentelee Lääketietokeskuksessa Machine Learning Engineer -nimikkeellä. Hänen osaamisensa on keskittynyt backend-kehitykseen sekä koneoppimisratkaisujen kehittämiseen. Leo avasi aluksi peruskäsitteitä ja keskeisiä näkökulmia niin, että ne tulevat kaikille tutuiksi.

AI-maailmasta on paljon erilaisia uskomuksia ja käsityksiä. Emme ole 90-luvulla visioidussa Matrixin hologrammimaailmassa, mutta tekoälystä on onneksi meille sote-maailmassa paljon hyötyä – tosin sen käyttö on erittäin fokusoitua ja siten rajoittunutta. Koneoppiminen on pohjimmiltaan matematiikkaa. Syväoppiminen on neuroverkkoihin pohjautuvaa koneoppimista. Näissä hyödynnetään dataa ja algoritmeja sekä tehdään erilaisia koneoppimismalleja.

Lääketieteessä ja terveydenhuollossa tekoälyä käytetään muun muassa lääkekehityksessä, kuvantamisessa, biosignaalianalyysissa (mm. sykemittarit, EKG), robotiikassa ja tiedolla johtamisessa. Leon mukaan tekoälyn keskeinen idea on auttaa ihmisiä töissään, erityisesti monotonisissa ja aikaavievissä tehtävissä, mihin liittyy myös muun muassa datan määrän kasvu ja väestön ikääntyminen.

Tiesitkö, että tekoäly syntyi jo 50-luvulla? Lääketieteeseen se tuli hieman jälkijunassa, 80-luvulla. Nyt elämme tekoälyn renessanssia.

Solitan Data Scientist Kari Antila jatkoi teemaa pohtimalla, miten koneoppiminen ja tekoäly tukevat terveyttä ja hyvinvointia tulevaisuudessa. Siilossa makaava data ei tee työtä, mutta se voidaan laittaa töihin vaikka päätöksenteon tuen työkaluilla. Kari näytti kiinnostavia kotimaisia esimerkkejä terveydenhuollosta, muun muassa aivokuvien kvantifiointia ja analysointia (Combimostics) sekä kudosnäytteiden analyysia ja luokittelua (Aiforia). Kari on ollut Solitan tiimissä tekemässä Helsingin yliopiston, DigiFinlandin, THL:n ja CSC:n kanssa mm. Omaoloa, jonka Covid-19-sovellusta ja koronapandemian kulun ennusteita hän avasi vaikuttavasti.

Kari Antilan TOP 4 -tavat onnistua tekoälyprojekteissa ovat:

  1. Toteutetaan rajatusti mutta vaikuttavasti
  2. Ymmärretään ja kerrotaan menetelmien rajat
  3. Otetaan käyttöön ketterät käytännöt
  4. Simppeli voittaa vaikean.

VEIL.AI:n toimitusjohtaja Tuomo Pentikäinen fokusoi esityksessään datan mahdollisuuksiin ja tekoälyyn terveystutkimuksessa. Terveystutkimuksessa tarvitaan erittäin paljon sensitiivistä dataa, jolloin datan moderni anonymisointi on avainasemassa. Tosielämän dataan perustuva synteettinen data on GDPR:n näkökulmasta riskitöntä. Tuomo listasi meille datan laadun aspekteja ja avasi asiaa sydäntautiesimerkillä.

Datan laatuun pitää tietenkin yhdistää laskennallista tehokkuutta. Iso ongelma edelleen on pääsy dataan sekä se, että big data sijaitsee useiden omistajien eri lähteissä. Tuomo pohti ratkaisuja tähän niin, että data voitaisiin anonymisoida lähteissään, jolloin anomymisoitua, monilähteistä dataa voisi käyttää big datana. Terveysdata-asioita olisi Tuomon mukaan tavattoman tärkeää kehittää tekoälyn avulla, jos haluamme parantaa Suomen asemaa kansainvälisesti kiinnostavana tutkimusmaana.

Milla Kajanne
Training manager, Lääketietokeskus

 

Sinua voisi kiinnostaa: