Tekoälykesä tuntuu jatkuvan ja jatkuvan. Aiheesta puhutaan ja kirjoitetaan paljon, myös laajalle yleisölle suunnatuissa uutisissa. Tekoälyä sovelletaan parhaillaan useilla toimialoilla. Tämä on ymmärrettävää, koska se ratsastaa digitalisaatiolla. Digitaalisuus, kuten tiedämme, leikkaa jo läpi kaikkien toimialojen ja elämänalueiden. On kuitenkin tärkeää pitää mielessä, että toimialojen vaatimustasot vaihtelevat esimerkiksi tietosuojan ja yleisen toimintavarmuuden suhteen. Virhe vaikkapa elokuvan tai musiikin suosittelualgoritmissa ei ole yhtä kriittinen kuin vakuutuksen tai asuntolainan yksityiskohtien määrittelyssä.
Aivan erityisen korkea vaatimustaso on terveydenhuollossa, jossa pelissä on kirjaimellisesti elämä ja kuolema. Lisäksi terveydenhuolto on toimialana tekoälylle mahdollisimman monimutkainen. Ensinnäkin, itse terveysdata on monimuotoista ja vailla kaikkien käyttämiä standardeja. Data on yleensä hyvin yksilöllistä: minulle normaali leposyke saattaa sinulle olla liian korkea.
Toisekseen, datan tulkinta on subjektiivista ja asiantuntijuuteen pohjautuvaa. Tämän vuoksi algoritmien opettaminen tuottamaan ”oikeita vastauksia” on melko monimutkaista. Välillä sille on vaikea asettaa objektiivisia mittareita ja raja-arvoja. Miten esimerkiksi esittää kivun kokemus numeerisessa muodossa? Mikä on masennuksen yksikkö, entä stressin? Kolmanneksi, toimintaympäristö on erittäin haastava. Sairaaloilla on omat tietokantansa ja –mallinsa eikä rajapintoja datan siirtämiseksi niiden välillä aina löydy. Lisäksi lääkärit saattavat edustaa eri koulukuntia tulkinnoissaan ja toimenpide-ehdotuksissaan.
Emme halua luovuttaa diagnosoinnin lopullista päätäntävaltaa tietokoneohjelmalle, vaikka se olisi miten fiksu ja filmaattinen. Tekoälyohjelmistot suunnitellaan pikemminkin lääkärien ja muun hoitohenkilökunnan toiminnan tueksi. Rutiininomaisia tehtäviä pyritään ratkomaan tietokoneavusteisesti, jotta hoitoalan ammattilaiset saisivat tehdä sitä mihin heidät on koulutettu.
Esimerkki rutiinitehtävästä on vaikkapa epikriisin tuottaminen. Sen sijaan, että nauhoitettu sanelu pitää käsin kirjoittaa puhtaaksi, voidaan hyödyntää puheentunnistuksen algoritmeja. Samalla saadaan muutettua kertomus rakenteiseksi informaatioksi, jota voidaan tehokkaasti hyödyntää hoidon jatkuessa. Toinen sovelluskohde on viestintä hoitoon hakeutuvan ja sairaalan välillä. Ihmiskommunikaatiota jäljittelevä chatbot voi hoitaa ajanvarauksen ja perustietojen keräämisen potilaalta.
Suomella on paljon potentiaalia tekoälyn kehittämisessä ja soveltamisessa terveydenhuollon alalla. On tunnistettavissa kuusi keskeistä aluetta, joissa tekoälyllä on paljon annettavaa terveydenhuollolle. Näistä kolmessa Suomi on jo maailman huippua:
- Biopankit ja geenitieto sekä niihin pohjautuva henkilökohtainen täsmälääketiede.
- Automaattisen data-analyysin ja signaalien käsittelyn vahva osaaminen.
- Kansalaislähtöinen terveydenhuolto, joka tuottaa monia tapoja motivoida ihmisiä tekemään itsenäisesti terveytensä kannalta hyviä valintoja.
Näiden lisäksi voidaan listata kolme muuta osa-aluetta, joiden avulla voitaisiin saada merkittäviä säästöjä ja tehostusta terveydenhuoltoon:
- Rutiinitehtävien automatisointi, mahdollistajina esimerkiksi jo mainitut chatbotit ja puheentunnistus.
- Prosessioptimointi tekoälyn avulla. Esimerkiksi suurten sairaaloiden henkilö- ja tila-allokaatiot mahdollisimman älykkäästi ja dynaamisesti suhteessa kulloisiinkin potilastarpeisiin.
- Poliittisten linjausten ja skenaariotyön tukeminen. Voidaan esimerkiksi arvioida jonkin sairaalan laajennuksen tai polkupyöräkypärän pakollisuuden laajempia vaikutuksia ja sen perusteella tehdä objektiivisia johtopäätöksiä.
Suomi on pieni maa, joten sen kannattaa keskittää tarmonsa muutamiin kapeisiin mutta vaikutukseltaan mahdollisimman merkittäviin sovelluskohteisiin. Esimerkiksi puheentunnistusteknologioita ja chatbotteja vievät jo Googlen, Amazonin ja IBM:n kaltaiset jättiläiset eteenpäin. Tällaisia teknologioita kannattaa hyödyntää mieluummin kuin kehittää itse. Tilaa omallekin innovoinnille on silti runsaasti.
