Tekoäly työterveyshuollossa – olemmeko jo perillä?

Terveydenhuollon haasteita tekoälylle

Tämän jälkeen tekoälyä on pyritty hyödyntämään terveydenhuollossa lukuisin tavoin, myös työterveyshuollossa. Esimerkiksi jo 2000-luvun alussa kehitettiin menetelmiä työhyvinvoinnin ennustamiseen seulontakyselyiden perusteella. Tulokset jäivät yleensä vaatimattomiksi. Keskeiset syyt olivat teknisiä: käytettävissä olevat aineistot olivat liian pieniä, sillä edes muutaman tuhannen potilaan esimerkkiaineisto ei yleensä riitä luotettavien mallien rakentamiseen. Myöskään laskennallinen suorituskyky ei tuolloin ollut riittävä tällaisten järjestelmien tehokkaaseen kouluttamiseen.

Vaikuttaa siltä, että nämä ongelmat on pitkälti ratkaistu. Käytössämme on nykyisin valtavia ja jatkuvasti kasvavia tietoaineistoja. Tietoa kertyy muun muassa mobiilisovelluksista, älykelloista, hyvinvointisormuksista, biopankeista ja potilastietojärjestelmistä. Lisäksi käytettävissä on laskentatehoa, jonka avulla tällaisia aineistoja voidaan hyödyntää mallien kouluttamiseen kohtuullisessa ajassa. Voimmeko siis nyt ottaa käyttöön tekoälyn ja sen tarjoamat hyödyt? Tarkastellaan asiaa lähemmin.

Tekoälyn sovellusalueita työterveyshuollossa

Tekoäly voi automatisoida rutiininomaisia hallinnollisia tehtäviä, kuten dokumentointia. Työterveyshuollossa yksi keskeinen sovellusalue on työturvallisuuden edistäminen: turvallisuusilmoituksia ja dokumentointia voidaan analysoida tekoälyllä ja ennakoida riskejä ennen kuin ne johtavat tapaturmiin. Toinen merkittävä alue on ennaltaehkäisy. Tekoälyä voidaan hyödyntää esimerkiksi sairauspoissaolojen, työuupumuksen, työkyvyn heikkenemisen, tuki- ja liikuntaelinsairauksien sekä mielenterveyden haasteiden riskin ennustamisessa. Pelkkä riskien tunnistaminen ei kuitenkaan tuota hyötyä ilman oikeita toimenpiteitä. Myös tässä tekoäly voi auttaa: se voi yksilöllistää interventioita ja toimia osana digitaalisia valmennusratkaisuja, jotka oppivat käyttäjän mittauksista ja mukautuvat ajan myötä.

Tekniset ja ei-tekniset kysymykset

Kaikkia teknisiä haasteita ei kuitenkaan ole ratkaistu, etenkään terveydenhuollossa. Kotona tehtäviin mittauksiin liittyy usein kohinaa, puuttuvaa kontekstia ja suuria yksilöllisiä eroja, minkä vuoksi aito personointi on edelleen vaikeaa suuristakin aineistoista huolimatta. Digitaalisilla valmentajilla ja sovelluksilla on lisäksi sitouttamisen haaste: sovellus otetaan usein käyttöön innokkaasti, mutta uutuudenviehätys hiipuu nopeasti, mikä johtaa käytön vähenemiseen tai jopa lopettamiseen. Sitoutumisen ylläpitäminen onkin oma tutkimusalueensa.

Teknisiä haasteita vaikeampia ovat tällä hetkellä kuitenkin ei-tekniset kysymykset. Tekoälyn käyttöönottoon liittyy merkittäviä eettisiä näkökulmia, sillä eriarvoisuutta voi syntyä helposti. Kuka saa käyttöönsä mitäkin palveluja? Keneltä ja millaista tietoa kerätään? Millaisiin aineistoihin järjestelmät perustuvat? Kuinka paljon tekoälyn suosituksiin voidaan luottaa? Hyväksymmekö terveystiedon keräämisen kotona ja työpaikalla, ja miten suostumus annetaan? Olemmeko valmiita asioimaan digitaalisen valmentajan kanssa? Ja lopulta: kuka kantaa vastuun tehdyistä päätöksistä?

Tekoälyn vastuullinen hyödyntäminen

Lainsäädäntöä valmistellaan aktiivisesti, ja osa sääntelystä on jo voimassa. Myös tutkimus- ja kehitystyössä on laadittu viitekehyksiä vastuulliselle tekoälyn hyödyntämiselle, mutta käytännön kokemusta niiden toimivuudesta on vielä rajallisesti. Edistyminen edellyttää erityisesti monitieteistä yhteistyötä. Siinä missä 15 vuotta sitten moniammatillisuus saattoi tarkoittaa data-analyytikkojen, terveydenhuollon ammattilaisten ja palveluntuottajien yhteistyötä, nykyisin ymmärretään, että mukaan tarvitaan enemmän ja enemmän eettisen tutkimuksen, käyttäjäkokemuksen, työelämän, oikeustieteen ja yhteiskuntatieteiden asiantuntemusta.

Terveydenhuollossa on lisäksi nähty runsaasti tekoälyyn liittyviä pilottihankkeita, mutta huomattavasti vähemmän sovelluksia rutiinikäytössä. Väite siitä, että tekoäly suoriutuu tietyissä testeissä asiantuntijoita paremmin, on kiinnostava, mutta ei vielä osoita todellista hyötyä kliinisessä työssä. Vaikuttavuuden osoittaminen terveydenhuollossa edellyttää pitkäjänteistä arviointia, joka voi viedä vuosia tai joskus jopa vuosikymmeniä.

Lopuksi on syytä huomata, että tekoäly työterveyshuollossa on mielenkiintoinen erityistapaus. Siinä missä työterveyshuollossa on ehkä perinteisesti arvioitu kemikaalien, koneiden ja fyysisten työympäristöjen vaikutuksia, nykyään se arvioi yhä enemmän digitaalisten työprosessien ja esimerkiksi tekoälysovellusten vaikutuksia – nyt sitten tekoälyn avulla.

Tekoäly muuttaa itse työn sisältöä, sekä myönteisillä että kielteisillä tavoilla. Se voi helpottaa työtä ja siten lisätä työtyytyväisyyttä sekä vähentää kuormitusta, mutta toisaalta myös kaventaa osaamista, lisätä stressiä ja synnyttää epävarmuutta tulevaisuudesta. Jos tekoälyä käytetään tukemaan työntekijöitä, joiden stressi johtuu tekoälyn käyttöönotosta työpaikalla, syntyy kiinnostava palautekytkentä: tekoälyä hyödynnetään hallitsemaan vaikutuksia, joita tekoäly itse on ollut aiheuttamassa.

Insinööritieteiden oppeja

Palataan sitten teknologiaan: säätötekniikan asiantuntijat tietävät, että palautekytkennät voivat olla haastavia hallita. Oikein suunniteltuina ne ovat kuitenkin hyödyllisiä ja tehokkaita. Ehkä voimme hyödyntää insinööritieteiden oppeja välttääksemme palautekytkentöjen hallitsemattoman voimistumisen. Keskeisiä periaatteita ovat viiveiden rakentaminen järjestelmään, jolloin reagoidaan pidemmän aikavälin kehitykseen eikä yksittäisiin muutoksiin, sekä ihmisen pitäminen osana päätöksentekoa (englanniksi "human in the loop"). Lisäksi on tärkeää valita oikeat mittarit: jos interventio vaikuttaa itse mitattavaan muuttujaan, kuten koettuun stressiin, optimointi tulisi kohdistaa varsinaisiin vaikutuksiin eikä välillisiin stressimittareihin. Päätöksiä tulisi myös verrata ulkoisiin tietolähteisiin, kuten tutkimusnäyttöön, auditointeihin ja riippumattomiin arviointeihin. Täydellisyyden tavoittelun sijaan järjestelmissä on syytä sallia jonkin verran vaihtelua ja päällekkäisyyttä. Nämä teknilliset periaatteet voivat olla hyödyllisiä myös tekoälyn vastuullisessa hyödyntämisessä työterveyshuollossa.

Olemme edenneet pitkälle ja ratkaisseet monia tekoälyn hyödyntämisen käytännön teknisiä haasteita. Nyt olemme vaiheessa, jossa sen hyötyjä voidaan alkaa aidosti realisoida, mikä antaa aihetta optimismiin. Samalla on kuitenkin selvää, että uusien työkalujen vastuullinen ja vaikuttava käyttöönotto edellyttää vielä paljon työtä.

Tekoälyn hyödyntäminen terveydenhuollossa vaatii monitieteistä yhteistyötä ja pitkäjänteistä kehittämistä. Työterveyshuollossa tekoälyyn liittyy lisäksi erityisiä mahdollisuuksia, sillä se tarjoaa välineitä sekä työntekijöiden terveyden tukemiseen että muuttuvan työn vaikutusten arviointiin.