22 helmikuuta 2018
Aikaisempien sukupolvien terveydenhuollon ammattilaisille tiedon puute oli yksi suurimmista haasteista potilaita hoidettaessa. Kovaa dataa tuottavia tutkimusmenetelmiä ja laitteita oli vähän, joten potilaista kerättiin tietoa myös aistinvaraisesti arvioiden: katsomalla, kuuntelemalla ja tunnustelemalla.
Tehdyt havainnot tallennettiin pääosin vapaamuotoisena tekstinä paperiseen potilaskansioon, joka toimi sekä tietovarastona että kommunikointivälineenä ammattilaisten välillä. Lääketieteen, teknisten laitteiden ja tietotekniikan räjähdysmäinen kehittyminen ovat nyt kääntämässä ongelman päinvastaiseksi: dataa on liian paljon. Miten tutkia ja hoitaa potilasta siten, että kaikki tarvittava osaaminen on käytössä?
Digitalisaation aiheuttama datatsunami koskee kaikkia toimialoja, terveydenhuolto on muutospaineessa kärkipäässä. Lähivuosina digitaalisen tiedon määrän arvioidaan kasvavan vuositasolla noin 30 prosenttia. Terveydenhuollossa syntyvän datan osalta kasvuvauhti on huomattavasti suurempi arvioiden liikkuessa 50 prosentin molemmin puolin. Jo tällä hetkellä on terveydenhuollon organisaatioita, joiden hallussa oleva data tuplautuu 18 kuukauden välein.
Kliinisen tiedon massiivinen kasvu on vain yksi datan käsittelyyn liittyvistä haasteista. Jatkuvasti lisääntyvä datan monimuotoisuus ja -mutkaisuus aiheuttavat myös merkittäviä haasteita terveydenhuollolle. Uudet tutkimusmenetelmät, laitteet ja lääketieteen alueet, kuten genomilääketiede, tuottavat hyvin kompleksista dataa, jota prosessoidaan ja yhdistellään eri tavoin. Tulevaisuudessa kokonaisuuteen lisätään vielä kuluttaja-potilaiden omien älylaitteiden tuottamaa tietoa muun muassa vitaalitiedoista, unen laadusta ja aktiivisuudesta.
Kliinisen datan määrän kasvaessa, kompleksisuuden lisääntyessä ja lääketieteen jatkuvasti muuttuessa, on aiheellista olettaa, että ihminen ei kykene jatkossa käsittelemään kaikkea saatavilla olevaa aineistoa tarpeeksi nopeasti ja riittävän virheettömästi. Tarvitsemme siis digitaalisia avustajia prosessoimaan digitaalista aineistoa ja poistamaan manuaalisia työvaiheita, jolloin potilaita hoitavien asiantuntijoiden aikaa vapautuu vaativimpiin tehtäviin.
Onneksi jo nykyiset tekoälyyn pohjautuvat ratkaisut voivat merkittävästi tehostaa terveydenhuollon ammattilaisten kykyä käsitellä suuria tietomääriä ja parantaa tiedon pohjalta tehtävien päätösten laatua.
Terveydenhuollossa tekoälyratkaisuja on kehitetty erityisen paljon radiologiaan ja muille kuvadataa hyödyntäville erikoisaloille. Syitä tähän on useita. Yleisesti konenäköön liittyvät teknologiat ovat kehittyneet nopeasti viime vuosina. Kuvantamisessa puolestaan konenäköä on hyödynnetty jo vuosikymmeniä. Seuraavassa jutussa tarkastelemme käytännön esimerkkien kautta miten olemassaolevat tekoälyä hyödyntävät ratkaisut voivat parantaa hoidon laatua ja kohottaa tuottavuutta.