Tekoäly tuo uusia mahdollisuuksia terveydenhuoltoon

Tekoäly tarjoaa uusia mahdollisuuksia myös terveydenhuollossa. Sitä tutkitaan sairauksien tunnistamisen, hoidon suunnittelun ja seurannan tukena. Tässä tarkastellaan vuonna 2024 esiteltyjä tutkimuksia ja sovelluksia sekä sitä, mitä niiden tuloksista voidaan päätellä.

Tekoäly terveydenhuollossa

Tekoäly voi auttaa käsittelemään suuria tietoaineistoja ja tunnistamaan niistä yhteyksiä. Mahdolliset hyödyt riippuvat kuitenkin tiedon laadusta, käyttötarkoituksesta ja siitä, miten järjestelmä toimii todellisessa hoitoympäristössä. Kustannusten lasku tai hoidon tasapuolinen saatavuus eivät seuraa automaattisesti teknologian käyttöönotosta.

Syväoppiminen on yksi koneoppimisen menetelmistä. Sen toimintaa ei pidä rinnastaa suoraan ihmisaivojen oppimiseen. Terveydenhuollossa tuloksia on arvioitava erityisen huolellisesti turvallisuuden ja luotettavuuden varmistamiseksi.

Tekoäly diagnoosin tukena

Tekoälyjärjestelmät voivat analysoida esimerkiksi kuvia ja mittaustietoja sekä tunnistaa malleja, jotka auttavat ammattilaisia arvioimaan sairauksia. Hyvä suoritus tutkimusaineistossa ei kuitenkaan yksin osoita, että järjestelmä toimisi yhtä hyvin kaikilla potilailla tai korvaisi kliinisen harkinnan.

Sarveiskalvon infektioiden tunnistaminen

Birminghamin yliopiston johtama tutkimus julkaistiin eClinicalMedicine-lehdessä. Tutkimus¹oli meta-analyysi, jossa Darren Tingin johtama kansainvälinen ryhmä tarkasteli syväoppimismallien käyttöä infektioperäisen sarveiskalvotulehduksen tunnistamisessa.

Infektioperäinen sarveiskalvotulehdus eli keratiitti voi heikentää näköä ja aiheuttaa sokeutumista. Varhainen tunnistaminen ja asianmukainen hoito ovat siksi tärkeitä.

Lähde: Webeye, sarveiskalvokuva

Analyysi kattoi 35 tutkimusta, joiden malleissa oli käytetty yhteensä yli 136 000 sarveiskalvokuvaa. Kyse ei ollut yhdestä uudesta algoritmista, joka olisi yksin koulutettu koko tällä aineistolla.

Mallien yhdistetty herkkyys oli 89,2 prosenttia ja tarkkuus terveiden tai negatiivisten tapausten tunnistamisessa eli spesifisyys 93,2 prosenttia. Silmälääkäreiden vertailuluvut olivat 82,2 ja 89,6 prosenttia. Herkkyyttä ei pidä kutsua kaikkien diagnoosien kokonaisosumatarkkuudeksi.

Tulokset tukevat jatkotutkimusta ja mahdollista käyttöä lääkärin työn apuna. Tutkijat korostivat monipuolisemman aineiston ja ulkoisen validoinnin tarvetta ennen laajaa kliinistä käyttöä. Tutkimus ei osoita tekoälydiagnoosia yleisesti lääkärin arviota paremmaksi.

Keuhkosyövän diagnostiikka

Keuhkosyöpä aiheutti IARC:n vuoden 2022 arvion mukaan noin 1,8 miljoonaa kuolemaa maailmanlaajuisesti. Kölnin yliopiston ja yliopistosairaalan tutkijat kehittivät tekoälymenetelmiä keuhkosyövän patologiseen arviointiin.

Tutkimuksessa analysoitiin digitoituja kudosleikkeitä diagnoosin ja ennusteen tueksi. Kyse ei ollut kannettavasta laitteesta, joka tunnistaisi syövän ilman kudosnäytettä. Tutkimuksen eri tehtävien suorituskykyä ei myöskään voi tiivistää yleiseksi lupaukseksi 89 prosentin diagnoosivarmuudesta.

Lääkitysvirheiden havaitseminen

Lääkitysvirheitä voi syntyä esimerkiksi lääkkeen valinnassa, valmistelussa tai annostelussa. Anestesia on yksi toimintaympäristö, jossa virheiden ehkäisy on erityisen tärkeää, mutta kaikkien lääkitysvirheiden yleisyyttä ei voi päätellä tästä yksittäisestä tutkimuksesta.

Kiire, keskeytykset ja vaihtelevat työskentelyolosuhteet voivat vaikeuttaa lääkkeiden käsittelyä. Turvallisuutta pyritään parantamaan työmenetelmillä ja tarkistuksilla sekä niitä täydentävillä teknisillä ratkaisuilla.

Washingtonin yliopiston tutkijat kehittivät puettavan kameran ja tekoälyn yhdistelmän, joka tunnistaa lääkkeen valmistelussa käytettyjä pulloja ja ruiskuja. Tavoitteena oli havaita tilanteita, joissa lääke vedetään väärästä pullosta.

Kamera seuraa lääkkeen valmistelua

Järjestelmä hyödynsi muun muassa pullon ja ruiskun muotoa, korkin väriä ja etikettien ominaisuuksia. Sen oli erotettava käsiteltävät välineet taustalla näkyvistä lääkkeistä.

Tutkijat käyttivät videoita 418 lääkkeen vetämisestä ruiskuun. Toimenpiteet teki 13 anestesia-alan ammattilaista. Väärän pullon käyttöä tunnistettaessa herkkyys oli 99,6 prosenttia ja spesifisyys 98,8 prosenttia tutkimuksen testiolosuhteissa.

Luvut koskevat tutkittua virhetyyppiä ja aineistoa. Ne eivät tarkoita, että järjestelmä estäisi kaikki lääkitysvirheet tai että lääkkeenanto voitaisiin turvallisesti automatisoida kokonaan. Kliininen käyttöönotto vaatii lisäarviointia.

Hoidon vaikutusten seuranta

Tekoäly voi auttaa yhdistämään hoitotietoja, mittauksia ja muita potilaan tilanteeseen liittyviä tietoja. Sen avulla voidaan etsiä hoitovasteeseen liittyviä malleja ja tukea ammattilaisen päätöksentekoa.

Simulaatiot voivat täydentää tutkimusta, mutta ne eivät yleisesti korvaa potilailla tehtäviä turvallisuus- ja vaikuttavuustutkimuksia. Yksittäisen annoksen vaikutusta ei myöskään aina pystytä erottamaan luotettavasti muista tekijöistä.

Tekoälyä puettavissa laitteissa

Puettavat laitteet voivat mitata esimerkiksi liikuntaa, unta ja erilaisia fysiologisia signaaleja. Anturien, materiaalien ja laskennan kehitys voi tehdä niistä pienempiä ja helpompia käyttää. Kuluttajalaitteen mittaus ei silti automaattisesti ole lääketieteellinen diagnoosi.

Osa laskennasta voidaan tehdä suoraan laitteessa, mikä voi vähentää tiedonsiirron tarvetta. Verkkoyhteyden tarve riippuu kuitenkin sovelluksesta; kaikki puettavat laitteet eivät tarvitse jatkuvaa internetyhteyttä.

Lähde: ScienceSoft

Paikallinen tekoälylaskenta voi mahdollistaa signaalien käsittelyn lähellä anturia. Kielimallit voivat puolestaan tukea puhe- tai tekstikäyttöliittymiä. Laitteen mekaaninen joustavuus ja koko perustuvat materiaalien ja elektroniikan kehitykseen, eivät itsessään kielimalliin.

Joustava anturielektroniikka

Nature Electronics -lehdessä julkaistu tutkimus «A wearable in-sensor computing platform based on stretchable organic electrochemical transistors» esitteli venyviin orgaanisiin sähkökemiallisiin transistoreihin perustuvan anturi- ja laskenta-alustan.

Tutkijat yhdistivät mittaamisen ja signaalinkäsittelyn joustavaan rakenteeseen ja testasivat fysiologisten signaalien käsittelyä. Tutkimus tarjoaa kehityssuunnan puettaville laitteille, mutta ei yksin osoita valmiin kliinisen tuotteen kustannuksia, kestävyyttä tai hyötyä potilaille.

Uusien hoitomenetelmien tutkimus

Nanohiukkasia käytetään ja tutkitaan lääkkeiden kuljettamiseen. Ne on erotettava liikkuvista mikroroboteista ja kokeellisista nanoroboteista. Kaikki pienet lääkeaineen kuljettimet eivät liiku itsenäisesti tai käytä tekoälyä.

Tekoäly voi tukea materiaalien suunnittelua ja kokeiden analysointia. Lääkkeen kohdentaminen tiettyyn kudokseen on silti biologisesti haastavaa, eikä hiukkasten pieni koko yksin takaa pääsyä kaikkialle elimeen.

Tekoälyä hyödyntävät terveydenhuollon yritykset

Lääkinnällisten laitteiden valmistajat voivat hyödyntää tekoälyä tuotteissaan. Tutkimuksen edistyminen ei kuitenkaan automaattisesti lisää yrityksen liikevaihtoa tai takaa sijoittajalle tuottoa. Yksi esimerkki on Medtronic.

Medtronic

Medtronic on vuonna 1949 perustettu lääkinnällisten laitteiden yritys. Se kehitti vuonna 1957 paristokäyttöisen puettavan sydämentahdistimen. Tämä on eri väite kuin se, että yritys olisi valmistanut maailman ensimmäisen tahdistimen 1960-luvulla. Yrityksellä on toimintaa muun muassa Minnesotassa, ja sen kotipaikka on Irlannissa.

MDT Hintakaavio

Medtronicin GI Genius -moduuli käyttää tekoälyä paksusuolen tähystyskuvien analysointiin ja mahdollisten polyyppien tunnistamisen tueksi. Se ei yksin määritä löydöksen histologista diagnoosia eikä korvaa tähystyksen tekevää ammattilaista.

StealthStation on kirurginen navigointijärjestelmä. Mazor X puolestaan on robottiavusteisen selkäkirurgian järjestelmä. Niiden tehtävät on erotettava toisistaan; kaikkia laitteita ei tule kutsua kirurgisiksi roboteiksi eikä luvata niiden lyhentävän jokaisen potilaan toipumista.

Medtronic valmistaa esimerkiksi tahdistimia, defibrillaattoreita, sydänläppiä ja muita hoitolaitteita. Sen liiketoimintaan vaikuttavat kysynnän lisäksi kilpailu, tuotekehitys, viranomaishyväksynnät ja kustannukset. Tuotevalikoima tai markkina-asema ei yksin riitä perustelemaan osakkeen ostamista.

Tekoälyn tulevaisuus terveydenhuollossa

Tekoälyn yhdistäminen uusiin valmistus- ja hoitotekniikoihin voi avata tutkimusmahdollisuuksia. Kuvaukset ihon läpi tulostettavista, lääkkeitä kuljettavista nanoroboteista ovat kuitenkin tulevaisuuden visioita, eivät tässä esiteltyjen tutkimusten osoittamia hoitoja.

Etäpalvelut ja päätöksenteon tuki voivat parantaa hoidon saatavuutta. Toteutuminen vaatii kuitenkin toimivaa infrastruktuuria, tietosuojaa, osaamista ja luotettavaa arviointia. Teknologia ei yksin takaa kaikille yhdenvertaista hoitoa.

Mahdollisuudet edellyttävät näyttöä

Tekoäly voi tukea terveydenhuollon ammattilaisia ja auttaa tutkimuksessa, kun käyttötarkoitus on selvä ja hyödyt sekä haitat arvioidaan. Käyttöönoton määrän kasvattaminen ei ole itseisarvo; olennaista on potilaiden turvallisuus ja hoidon vaikuttavuus.

Lue lisää muista tekoälyhankkeista täältä.

Tutkimusviite:

^{1. Birminghamin yliopisto. (21. lokakuuta 2024). Tutkimus: tekoäly silmälääkärin veroisena sarveiskalvon infektioiden tunnistamisessa. https://www.birmingham.ac.uk/news/2024/ai-eye-to-eye-with-ophthalmologists-in-diagnosing-corneal-infections-study-finds}