Onko tekoäly työterveydessä arkipäivää, hypetystä vai tulevaisuuden kehityssuunta?

Koronabotit ovat jo arkipäivää

Tekoälysovelluksia on maailmalla ja Suomessa jo 2020–2022 käytetty muun muassa liittyen koronapandemian hallintaan ja ennustamiseen. Itse asiassa tekoäly ennusti tulossa olevan globaalin koronaepidemian jo hieman ennen virallisia kansainvälisiä WHO:n julistuksia (kanadalainen Blue-Dot, 31.12.2019).

Kansainvälisesti käytössä olevilla koronaboteilla pystytään ennustamaan yksilöllisen potilaan tartuntariskiä koronaan ja kohdentamaan koronatestaus ja muut toimenpiteet niille, joille siitä on yksilön ja yhteiskunnan kannalta suurin hyöty. Suomessa julkisella sektorilla on ollut laajassa käytössä muun muassa HUS-koronabotti. Koronabotteja on ollut samalla toimintamallilla myös yksityisen sektorin palveluntuottajilla.

THL:n Koronavilkku on myös mitä suurimmassa määrin tekoälysovellus, josta on voinut seurata omaa mahdollista korona-altistumista. Tärkeää on ollut myös Koronavilkun tuottama big data, joka on mahdollistanut populaatiotasolla altistumistilanteiden ja niiden tartunnan riskien seurantaa ja analyysin.

Omia kokemuksiani tekoälyn hyödyntämisestä työterveyden asiakasyrityksissä

Kokemukseni tekoälyn hyödyntämisestä työterveysyhteistyössä ovat isoista asiakasyrityksistä (tuhansia työntekijöitä), eri palveluntuottajilta (Diacor, Terveystalo ja Aava) ja erilaisista tekoälyjärjestelmistä (Sirius TT, Sirius HR, ETYDI, Aava HR, Tutka, Aisti Health). Olemme hyödyntäneet tarvittaessa myös muita tietojärjestelmiä (muun muassa Kuutio, DH ja IT-osastojen spesifit haut). Dataa ja big dataa kertyy paljon, ja pitää kriittisesti arvioida, mikä data voisi olla tärkeää juuri tämän yrityksen osalta. Minkälaista työtä yrityksessä tehdään? Mitä räätälöidään työntekijöiden ja yrityksen tarpeiden mukaan ja miten sitä seurataan? Yhteistyö yrityksen johdon ja työsuojelun kanssa on tärkeää, jos halutaan vaikuttavuutta. Toiminnan kustannusvaikuttavuus yrityksen kannalta on myös tärkeä kriteeri siinä, mitä tehdään. Tekoälyn käytön mahdollisia riskejä työterveydessä ja työterveysyhteistyössä on hyvä pohtia huolella ennen järjestelmien käyttöönottoa (taulukko 1 «»1).

On tärkeää, että toiminta on juridisesti läpinäkyvää ja eettisesti perusteltua ja hyväksyttävää. Onko joku tilastojen tai tekoälyn tuottama löydös tai signaali relevantti ja oikea? Työterveyslääkärin pitää varmistaa, että dataa ja signaaleja analysoidaan ja tulkitaan oikein. Miksi seuraamme jotain muuttujaa? Onko löydös sellainen, jonka perusteella voimme tehdä vaikuttavia toimenpiteitä? Onko toiminnastamme kustannusvaikuttavaa hyötyä? Miten hyöty mitataan yksilölle ja/tai yrityksille? Voiko uudesta toimintamallista olla haittaa potilaalle, yritykselle tai meille? Työterveydessä pitää aina noudattaa vallitsevaa lainsäädäntöä ja ohjeistuksia, niin normaalissa toiminnassa kuin tekoälysovellustenkin käytössä (muun muassa työtapaturma- ja ammattitautilaki, laki potilaan oikeuksista, tietosuojalainsäädäntö, työterveyshuoltolaki, Hyvä työterveyshuoltokäytäntö ja niin edelleen).

Case 1: Työkykyriskien seulontaa automaattihälytyksillä

Tekoälyn käyttö oli välttämätöntä yli 10 000 työntekijän vuokratyöyrityksessä. Yrityksen oma tekoälyjärjestelmä tallensi kaikki yritykselle toimitetut työntekijöiden sairauspoissaolotodistukset siten, että robotti luki automaattisesti työntekijän henkilötunnuksen, nimen, poissaolopäivät ja ICD 10 -diagnoosit sairaslomatodistuksesta. Kertyneistä sairauspoissaolotilastoista tuli automaattiset hälytykset yrityksen esimiehille varhaisen välittämisen mallin mukaisista rajoista. Vastaavat hälytykset tulivat yrityksen vastaavalle työterveyslääkärille (allekirjoittanut) SVA:n 30–60–90-rajojen ylittyessä. Hälytykset tulivat salattuna sähköpostiviestinä. Hälytysten perusteella yrityksen HR pystyi varmistamaan, että esimiehet olivat toimineet varhaisen välittämisen mallin mukaan, ja itse pystyin varmistamaan adekvaatin hoidon työterveydessä. Vastaava hälytys pystyttiin ohjelmoimaan myös tapaturmadiagnooseille: pystyin varmistamaan heti, että E-lausunnot oli tehty, mikäli kyseessä oli työtapaturma. Keskeisiä selvitettäviä asioita olivat: onko sairauden hoito adekvaattia, onko tarvetta työkykyarvioon ja/tai työkykyneuvotteluun ja eteneekö kuntoutus odotetulla tavalla? Tekoäly nopeutti työterveyden prosesseja selvästi (ennen seurattiin esimerkiksi yhden kuukauden välein, nyt tulee hälytys heti, kun rajat ylittyvät). Tekoälyn avulla voidaan hallita suuryritysten työterveysyhteistyötä ja tukea sekä työterveystiimejä että yrityksen työkykyjohtamista.

Case 2: Sairaanhoidon tehostaminen diabeetikoilla

Yrityksessä oli noin 5 000 työntekijää. Suurin osa työntekijöistä teki kolmivuorotyötä, ja yrityksen johdon kanssa arvioitiin, että adekvaatin hoidon varmistaminen yritystasolla oli perusteltua. Tekoälyn avulla haettiin työterveyden tietokannasta kaikki potilaat, joilla oli i) DM-diagnoosi mutta viimeisin HbA1c yli normaalivariaation tai ii) ainakin yksi korkea verensokeri -määritys (HbA1c ja/tai -B-gluc), joka täytti DM-kriteerit mutta ei DM-diagnoosia. Työterveyslääkärinä otin näihin potilaisiin puhelimitse yhteyttä ja selvitin hoidon tehostuksen tarpeen. Suurin osa potilaista oli kohtuullisen hyvässä hoitotasapainossa. Osa diabeetikoista oli huonossa hoitotasapainossa, ja hoitoa pystyttiin merkittävästi tehostamaan tekoälyn avulla. Osalla potilaista hoito oli julkisella sektorilla, ja kun asiaa selvitettiin, ilmeni, että tekoälyn kautta oli tullut ikään kuin väärä hälytys: hoito oli jo hyvää mutta työterveyden tietokannassa oli vanha korkea verensokerimääritys.

Case 3: Ammattitautiepäilyjen selvittäminen jauhopölyaltistusyrityksessä

Tekoälyn avulla selvittelimme erään yrityksen työtekijöiden ammattitauteja. Vastuullani olleessa yrityksessä oli noin 3000 työntekijää. Työsuojelu epäili, että työntekijöillä voisi olla jauhopölyn aiheuttamia ammattiastmoja, jotka eivät olleet tiedossa. Vakuutusyhtiön tietojen mukaan kyseisessä yrityksessä oli jo aikaisemmin todettuja ammattitautitapauksia: astmoja ja ammatti-ihotauteja.

Haimme tekoälyn avulla tietokannasta työsuojelun ja yrityksen pyynnöstä kaikki astmadiagnoosit ja astmalääkitykset ilman astmadiagnoosia (sisältäen PEF-seurannat, joissa avaava lääkitys). Haimme myös kaikki astmadiagnoosilla olevat sairaupoissaolot. Löysimme useita vanhoja astmoja, jotka eivät olleet työterveyden tiedossa, koska hoito on julkisella sektorilla. Paljastui myös seitsemän vanhaa astmaa, jotka olivat oireilleet työpaikalla, mutta diagnoosi oli tehty jo ennen työsuhteen alkamista. Lisäksi oli tapauksia, joissa oli tehty kaikki adekvaatit astmatutkimukset, mutta ei todettu astmaa eli ei myöskään ammattitautiepäilyä. Ne potilaat, joilla epäiltiin uutta ammattitautia, ohjattiin E-lausunnolla vakuutusyhtiön jatkotutkimuksiin. Kuuden kuukauden kuluessa näistä potilaista ainakin kaksi varmistui ammattiastmaksi ja yksi ammatti-ihotaudiksi (noin promille työntekijäpopulaatiosta).

Case 4: Tekoälyn hyödyntäminen hoiva-alan yrityksen koronainfektioepidemioiden lopettamisessa ja ammattitautiriskin pienentämisessä

Tässä tapauksessa totesimme yhdessä yrityksen työsuojelun kanssa, että työterveydessä työntekijöiden korona. PCR-testaaminen ammattitautilain perusteella ja tekoälyn hyödyntäminen oli välttämätöntä ja ainoa keino saada epidemia hallintaan. Yrityksellä oli Suomessa noin 6 000 työntekijää yli 80 eri yksikköä/työyhteisöä ja yli 6 000 hoiva-asukasta. Julkisen sektorin testausresurssit olivat riittämättömät. Alkuvaiheessa ei koronaa voitu testata lainkaan altistuneista, mikä johti hankalaan tilanteeseen ja uusiin jatkotartuntoihin työyhteisöissä. Keväällä 2020 yrityksessä todettiin paljon koronatartuntoja työntekijöillä ja potilailla, osa työperäisiä. Työperäisistä tartunnoista tehtiin AVI-ilmoitukset. Työperäisistä tartunnoista tehtiin AVI-ilmoitukset ja osasta myös E-lausunnot ammattitautiepäilyn takia. Kun työterveydessä ryhdyttiin systemaattisesti testaamaan kaikki tautiepäilyt ja altistuneet, tilanne saatiin hallintaan yhteistyössä yrityksen oman työsuojelun ja johdon toimenpiteiden kanssa. PCR-testauksella saatiin estettyä oireettomien kantajien levittämää tautia (noin 10–30 prosenttia sairastuneista työntekijöistä).

Tekoälyä käytettiin työterveydessä yrityksen työntekijöiden populaation päivittäiseen analyysiin: i) PCR- tai vasta-ainepositiiviset työterveydessä, ii) koronadiagnoosit työterveydessä, iii) koronadiagnoosit yrityksen omassa sairauspoissaoloseurannassa ja iv) eristys- ja karanteenilausuntojen haku yritykselle toimitetuista poissaolotodistuksista. Ammattitautidiagnostiikkaa pystyttiin tekemään myös jälkikäteen potilaan luvalla ja pyynnöstä hyödyntäen myös arkistokantaa.

Pohdintaa

On tärkeää ymmärtää, että työterveyden toimintojen digitalisaatio tai tekoälyn käyttö ei sinällään ratkaise kaikkia ongelmia tai tehosta työterveyden toimintaa. Tekoäly on vain apuväline – ihmiset tekevät muutokset työpaikalla ja työterveydessä. Tekoälyn avulla voidaan tehostaa vaikuttavaa toimintaa työterveydessä.