Tulevaisuuden lääketiedettä -podcastin ensimmäisessä jaksossa tiedetoimittaja Mari Heikkilä haastattelee Miikka Korjaa ja Nina Linderiä tekoälyn tulevaisuudesta terveydenhuollossa.
Suomessa tutkitaan innokkaasti tekoälyn käyttömahdollisuuksia terveydenhuollossa. Husin innovaatiojohtaja, neurokirurgi Miikka Korjan mukaan meillä on hyvät mahdollisuudet tekoälyn kehittämiseen ja hyödyntämiseen, sillä terveydenhuollossa digitalisaatio on pitkällä ja kerättävä tieto on luotettavaa.
”Valitettavia vahinkoja ja virheitä ei peitellä, joten data ja tulokset ovat luotettavia. Tämän vuoksi meillä on hyvä kyvykkyys tehdä näitä ratkaisuja”, Korja toteaa Tulevaisuuden lääketiedettä -podcastissa.
Korjan mukaan tekoälyn kehittämisessä on iso ongelma, jos algoritmille syötettävä tieto on vääristelevää tai virheellistä. Tällöin myös tekoäly oppii väärille tavoille ja tekee vääriä johtopäätöksiä. Esimerkiksi ulkomailla monissa sairaaloissa potilasaineisto on valikoitunut, sillä vain vakuutuksen omaavat tai riittävän varakkaat pääsevät hoitoon. Tällaisen aineiston pohjalta kehitetty tekoäly ei palvele koko väestön hoidossa.
Parisataa silmäparia lisää
Husissa tekoälyä on kokeiltu muun muassa lasten tehohoidossa, jossa alkoi vuonna 2014 IBM:n Watson-tekoälyä hyödyntävä projekti. Korjan mukaan siitä opittiin paljon ja nyt on meneillään useita tutkimuksia. Hän uskoo, että ensimmäisenä saadaan päivittäiseen käyttöön tehohoitoon ja kuvantamiseen, kuten syövän diagnostiikkaan, liittyviä sovelluksia.
”Silmä ei ole niin tarkka, että pystyn pikselin tarkkuudella tarkastelemaan kuvia. On selvä asia, että tekoäly havaitsee yksittäisen muutoksen luotettavammin, systemaattisemmin ja mihin kellonaikaan tahansa verrattuna ihmiseen.”
Korja uskoo, että tekoälystä tulee hyvä apulainen.
”Vähän niinkuin olkapään takana olisi parisataa silmäparia lisää katsomassa kuvia.”
Tekoäly pitää opettaa hyvin
Dosentti Nina Linder Helsingin yliopiston Suomen lääketieteen instituutista on viimeisten kymmenen vuoden aikana keskittynyt tutkimuksissaan tekoälyn ja diagnostiikan yhdistämiseen. Hän kehittää menetelmiä, joilla diagnoosia varten otetuista mikroskooppikuvista saadaan tekoälyn avulla entistä enemmän tietoa irti.
Esimerkiksi syövissä on mikroskooppikuvista tärkeää pystyä arvioimaan, miten aggressiivinen kasvain on, koska hoito määräytyy sen mukaan. Muun muassa eturauhassyövistä osa on mietoja ja hyvin hitaasti eteneviä. Hoidoista on aina haittoja, joten rankkoja hoitoja ei haluta antaa turhaan.
Linderin mukaan kannattaa muistaa, että tekoäly on tyhmä — eli se pitää lukuisten esimerkkien ja erityyppisten näytteiden avulla opettaa tunnistamaan juuri haluttuja asioita.
”Se on juuri niin älykäs kuin sen opettaja. Jos me emme opeta tekoälyä hyvin, eivät ne algoritmitkaan ole hyviä.”
Itä-Afrikassa tekoälyn apu otetaan mielellään vastaan
Linderillä kollegoineen on käynnissä Itä-Afrikassa mielenkiintoinen tutkimusprojekti, jossa esimerkiksi malariaa tunnistetaan potilaan punasoluista tekoälyn avulla. Monissa maissa on vain muutama patologi, joten diagnoosi jää helposti saamatta. Tämä koskee myös syöpiä, jotka usein johtavat kuolemaan, sillä niitä ei havaita.
Tekoälyn avulla voidaan saada apua syrjäisten kylien terveysasemille. Näytteestä otetaan kuva paikan päällä ja se lähetetään pilvipalveluun, jolloin patologi voi periaatteessa työskennellä missä päin maailmaa tahansa.
Linder uskoo, että juuri kehittyvissä maissa tekoälyn hyödyntäminen saattaa edetä nopeimmin. Jos diagnostiikkaa ei alun perin ole lainkaan saatavilla, on suuri hyöty siitä, jos tekoälyn avulla voidaan auttaa teknikkoja ja hoitajia paikan päällä tunnistamaan sairauksia.
Teksti: Mari Heikkilä