Miten tekoälystä tehdään terveydenhuollon renki? 16 Moodi 2/2017 ANNE PITKÄRANTA on HUSin tutkimusjohtaja ja Helsingin yliopiston professori. VISA HONKANEN on lääketieteen tohtori ja dosentti, joka toimii kehittämisjohtajana HUSissa. Digitalisaatio on terveydenhuollon arkipäivää ja tekoäly tulevaisuutta. Teknologinen kehitys on mahdollistanut suurten tietomäärien tuottamisen ja keräämisen. Valtavat tietoaineistot (big data) mahdollistavat yhä täsmällisemmän ymmärryksen sairauksien synnystä ja tarjoavat työkaluja väestön terveyttä edistäville ratkaisuille. Tietoallas on sairaalatiedon digitaalinen arkisto HUSin digitaalisessa arkistossa eli niin kutsutussa tietoaltaassa on jo lähes kolmen miljoonan potilaan hoitokertomukset. Ne sisältävät 20 miljoonaa hoitokäyntiä ja miltei 200 miljoonaa laboratorio- ja kuvantamistutkimuksen tulosta. HUSin käytössä olevien laatujärjestelmien tiedot päivittyvät tietoaltaaseen jatkuvasti. Kun sinne polskahtavat myös hoitokertomukseen sisältyvät lääkitystiedot, anestesia-, teho- ja leikkausjärjestelmien tiedot sekä potilasmonitorien potilaiden elintoimintoja kuvaavat tiedot, voidaan puhua jo merkittävästä tietomassasta. Tiedon tuottaminen ei siis ole enää tutkimusta rajoittava tekijä. Seuraava askel on oppia hyödyntämään tätä tietomassaa. Tekoälystä on tulossa välttämätön työkalu Tekoälystä puhuttaessa tarkoitetaan useimmiten koneoppimista hyödyntävää tekoälyn muotoa. Tässä laskentakaavalle annetaan tavoite, kuten tunnistaa tai luokitella jotakin. Sitten laskentakaavalle annetaan suuret määrät dataa, joita kone alkaa analysoida. Kunkin analyysikierroksen jälkeen kone korjaa itse laskentakaavaa eli algoritmia siten, että haluttu tavoite saavutetaan yhä paremmin (kaavio). Koneoppimisen esiinmarssin on mahdollistanut kaksi asiaa. Ensinnäkin nykyään digitaalisessa muodossa on valtavasti dataa, jolla koneoppimista voi opetella. Lisäksi datan siirtämisen ja prosessoinnin nopeudet ovat kehittyneet nopeasti. Olemme myös oppineet, että koneoppiminen vaatii algoritmien kehittämisvaiheessa myös paljon ihmistyötä it-ammattilaisilta, analyytikoilta ja erityisesti kliinisiltä asiantuntijoilta (Kuva). Kysymyksessä ei ole oikotie suureen ymmärrykseen, vaan välttämätön työkalu, jos pyrimme oppimaan valtavista tietomassoista, joita terveydenhuollossakin kertyy. Watsonin tekoäly – yksi HUSin lupaavista koneoppimisen kokeiluista HUSissa on tehty ensimmäisiä ”sormiharjoituksia” koneoppimisessa. Olemme muun muassa analysoineet pienten keskosten laboratorio ja kliinisiä tietoja sekä syntymättömien lasten sydänkäyriä. Näissä kokeiluissa olemme jo nähneet joitain varsin lupaavia tuloksia. Konkreettisena esimerkkinä voisi mainita Watsonin tekoälyn, joka tutkii reaaliajassa sairaalalaitteista saamiaan pienten keskosten tietoja: sydämen sykettä, verenpainetta ja hengitystä. Samalla Watson vertailee saamiaan tietoja HUSin tietokantojen vanhoihin potilastapahtumiin. Tekoäly osaa testien perusteella ennakoida keskosen verenmyrkytyksen jopa vuorokauden ennen lääkäriä. Hoitohenkilökunta tekee kuitenkin viime kädessä aina hoitoratkaisun. HUS on mukana Tekesin ja IBM:n yhteistyösopimuksessa digitaalisen terveydenhoidon ekosysteemin kehittämisestä Suomessa. Yhteistyön tarkoituksena on myös löytää innovatiivisia kohteita tieteelliseen syöpätutkimukseen. Ensimmäisten käynnistettävien hankkeiden joukossa on myös projekti, jossa tutkitaan, voidaanko IBM:n tohtori Watsonin avulla havaita kuvantamistutkimuksessa aivoverenvuoto herkemmin kuin se on tänä päivänä mahdollista. Lisäksi testataan Watsonin käyttökelpoisuutta syövän hoidon apuna rintasyövässä, keuhkosyövässä ja suolistosyövissä sekä Watsonin yhdistämistä syöpäpotilaiden oman voinnin digitaaliseen raportointiin Noona-sovelluksella (rintasyöpäpotilaiden hoidon jälkeisten oireiden seurantasovellus). Massadatasta tutkimustiedoksi ja potilaskohtaiseksi hoidoksi HUSissa ollaan vähitellen tilanteessa, jossa tietoaltaaseen saadaan siirtymään myös ensimmäiset genomitiedot. Se tulee muuttamaan genomitutkimuksen massadatan tilastolliseksi analysoinniksi. Tämä yhdistettynä biopankkitoimintaan lisää entisestään uusia tutkimus- ja hoitomahdollisuuksia. Uusi tutkimustietämys jalkautuu sairauksien ehkäisyyn ja hoitoon, jotka puolestaan vaikuttavat tulevaisuuden lääketieteen käytäntöihin. Kansainvälinen lääketieteellisen hoidon kehitys tuo tieteellisen tutkimuksen siis lähelle potilaan hoitoa. Yksilöllisemmäksi muuttuva ja täsmentyvä lääketieteellinen diagnostiikka, hoito ja kuntoutus tuovat tieteellisen tutkimuksen tulokset suoraan hoitoon. Tämä näkyy esimerkiksi osaamiskeskusideologioissa (kuten Comprehensive Cancer Centerissä), joissa ns. tunnustetun osaamiskeskusaseman ylläpitäminen edellyttää potilaiden valtaisaa osallistumista tieteelliseen kokeeseen. Sillä puolestaan on merkitystä kansainvälisissä arvioissa, missä merkittävät sairaaloiden arviointikriteerit pitävät sisällään myös korkeatasoisten tieteellisten julkaisujen määrän ja osaamisen. Yliopistosairaaloista tulee entistä yliopistollisempia. AJANKOHTAISTA TULEVAISUUTTA
MOODI | 2017 / No2
To see the actual publication please follow the link above