Hyvinvointialueiden tekoälyverkosto on julkaissut verkkosivuston, joka kokoaa yhteen yli 200 julkisen sosiaali- ja terveydenhuollon tekoälytoteutuksen tiedot. Teimme aineiston pohjalta analyysin, jonka mukaan sotessa tekoälyllä kehitetään asiakas- ja potilastyötä, tehostetaan hallintoa ja siirrytään tietojohtamisessa tulevaisuuden ennakointiin.
Aineisto osoittaa, että julkisissa sosiaali- ja terveydenhuollon organisaatioissa on käynnissä selkeä siirtymä pistemäisistä tekoälykokeiluista kohti strategisempia kokonaisuuksia. Tekoälyä integroidaan parhaillaan osaksi hoitopolkuja ja hallinnollisia prosesseja. Toteutukset kattavat toimintoja aina sairauksien diagnosoinnista ostolaskujen tiliöintiin. Yleisin teknologia on generatiivinen tekoäly, jonka lisäksi hyödynnetään kone- ja syväoppimista.
Alueiden välillä on kuitenkin eroja. Osa alueista pilotoi edistyneitä syväoppimismalleja kuvantamisdiagnostiikassa, kun taas toiset keskittyvät perusinfrastruktuurin rakentamiseen ja rutiinityön keventämiseen generatiivisen tekoälyn avulla.
Tekoälyn hyödyntämisessä pisimmällä ovat yliopistosairaalavetoiset alueet sekä vahvasti kehittämiseen panostavat hyvinvointialueet. Keskeisiä edelläkävijöitä ovat Varsinais-Suomen, HUS-yhtymän ja Pohjois-Pohjanmaan hyvinvointialueet. Myös Satakunta, Keski-Uusimaa, Etelä-Savo, Pohjois-Savo, Etelä-Pohjanmaa, Kanta-Häme ja Länsi-Uusimaa ovat aktiivisesti tekoälykehittämisessä mukana.
Kolme pääkategoriaa
1. Asiakas- ja potilastyön kehittäminen
Ensimmäisessä kategoriassa teknologia vaikuttaa suoraan potilaan hoitoon, diagnoosiin tai palvelukokemukseen. Kyseessä on hyvinvointialueiden ydintehtävä, joka on samalla sääntelyn näkökulmasta haastavin alue.
Merkittävin osa toteutuksista keskittyy diagnostiikan tekoälyavusteiseen tulkintaan, jossa tekoäly analysoi lääketieteellisiä kuvia röntgen-, magneetti- ja ultraäänitutkimuksista sekä patologianäytteistä. Tämä nopeuttaa diagnooseja ja vähentää erikoislääkärien työtaakkaa.
Laajassa käytössä ovat myös automatisoidut potilaskirjaukset, joissa puheentunnistus ja automaattinen kirjaaminen vapauttavat ammattilaisten aikaa varsinaiseen potilastyöhön. Samalla tekoäly kokoaa pitkistä potilas- ja asiakaskertomusaineistoista ytimekkäät yhteenvedot, mikä helpottaa potilaan tai asiakkaan kokonaistilanteen hahmottamista. Kliinistä päätöksentekoa tukevat niin sanotut hoitajakuiskaajat, jotka tarjoavat ammattilaisen työparina toimivaa tekoälyavustetta.
Palveluiden saavutettavuutta parannetaan automaattisilla käännöksillä eri kielille sekä reaaliaikaisella tulkkauksella. Ympärivuorokautiset chatbotit puolestaan ohjaavat asiakkaita oikeisiin palveluihin.
2. Hallinnon tehostaminen
Toisessa kategoriassa tekoälyä hyödynnetään hallinnollisten rutiinien automatisointiin ja asiantuntijoiden tietotyön tukemiseen. Toteutukset vapauttavat henkilöresursseja varsinaiseen palvelutuotantoon ja vähentävät kognitiivista kuormaa.
Hallinnollisen työn tuottavuutta parannetaan kokousmuistioiden automaattisella kirjaamisella, dokumenttien tiivistämisellä sekä raporttien ja viestien luonnostelulla. Tekoäly avustaa myös sopimusten ja tarjouspyyntöjen laatimisessa ja henkilöstöhallinnon optimoinnissa, kuten älykkäässä työvuorosuunnittelussa.
Tiedonhaku ja -hallinta on toinen keskeinen alue. Tekoäly etsii ja tiivistää tietoa laajoista asiakirja-aineistoista, mikä nopeuttaa merkittävästi asiantuntijatyötä.
3. Tietojohtamisen ratkaisut
Kolmannessa kategoriassa pyritään siirtymään peräpeiliin katsomisesta tulevaisuuden ennakointiin. Tämä on suhteellisen pieni, mutta kasvava alue.
Tekoälyä hyödynnetään resurssien ja kustannusten ennustamiseen, mikä mahdollistaa palveluiden kysynnän ja kustannusten aiempaa tarkemman arvioinnin esimerkiksi kansantautien osalta. Asiakaspalautteiden automaattinen analyysi ja luokittelu puolestaan nopeuttaa kehittämistoimenpiteiden kohdentamista. Lisäksi tekoälyllä seurataan hoito- ja palvelupolkuja, jotta prosessien tehokkuutta voidaan mitata ja kehittää systemaattisesti.
Tekoälyllä haetaan aikaa kohtaamiselle
Aineistosta nousee esiin viisi keskeistä tavoitetta, jotka ohjaavat tekoälyn hyödyntämistä sosiaali- ja terveydenhuollossa.
Yleisin tavoite on ajan vapauttaminen asiakas- ja potilastyöhön. Puheentunnistus ja kirjaamisautomaatio vapauttavat aikaa asiakkaan kohtaamiseen, mikä on erityisen tärkeää tilanteessa, jossa henkilöstöpula rajoittaa palveluiden saatavuutta.
Toinen keskeinen tavoite on toiminnan ennakointi. Sote-palveluissa siirrytään reaktiivisesta hoidosta proaktiiviseen riskien tunnistamiseen. Tekoäly auttaa esimerkiksi kaatumisten ehkäisyssä ja kroonisten sairauksien ennakoinnissa, mikä sekä parantaa hoidon laatua että vähentää kalliiden akuuttihoitojen tarvetta.
Hallinnon tuottavuuden parantaminen on kolmas tavoite. Manuaalisen työn vähentäminen talous- ja henkilöstöhallinnossa vapauttaa resursseja varsinaiseen palvelutuotantoon.
Palveluiden saavutettavuuden parantaminen on neljäs keskeinen tavoite. Ympärivuorokautiset chatbotit ja monikieliset käännöspalvelut parantavat palvelua ajasta ja paikasta riippumatta, mikä on erityisen merkityksellistä monikulttuurisissa ympäristöissä ja harvaan asutuilla alueilla.
Viidentenä tavoitteena on diagnostisen tarkkuuden parantaminen. Tekoäly nopeuttaa ja tarkentaa esimerkiksi radiologian ja patologian prosesseja esianalyysin avulla, mikä sekä parantaa diagnoosin laatua että lyhentää hoitoketjuja.
Tutustu hyvinvointialueiden tekoälytoteutuksiin Una Oy:n verkkosivustolla.
Lisätietoja
Jarmo Pulkkinen
Tutkija, hallintotieteiden tohtori
Web Fellows Oy
jarmo.pulkkinen@webfellows.fi