Jonna-Carita Kanninen on Pohjois-Savon hyvinvointialueen apteekin tutkimuspäällikkö. Hän on mukana kehittämässä tekoälyavusteista lääkitysriskityökalua ja kertoo, miten kliininen tekoäly eroaa yleisistä tekoälyohjelmistoista.

Mikä on taustasi ja mitä teet työksesi?
Olen farmasian tohtori ja työskentelen tutkimuspäällikkönä Pohjois-Savon hyvinvointialueen apteekissa Kuopiossa. Tutkimustyössäni keskityn pääasiassa lääkitysturvallisuuden kehittämiseen.

Väitöskirjassani tutkin iäkkäiden lääkehoidon riskitekijöiden tunnistamista osana terveystarkastuksia ja kotona asumisen tukemista. Sama teema jatkuu nykyisessä tutkimus- ja kehittämishankkeessa, jossa kehitetään tekoälyavusteista lääkitysriskityökalua päivystyksen tueksi.

Mistä tarpeesta lääkitysriskityökaluhankkeenne lähti liikkeelle?
Päivystyksessä kohdataan paljon iäkkäitä potilaita, joilla on käytössä useita lääkkeitä. Tulosyyn taustalla voi olla lääkitykseen liittyviä haittoja, kuten kaatumisia, verenvuotoja tai sekavuutta.

Tietoa kyllä löytyy potilastietojärjestelmistä, mutta tieto on hajallaan. Eikä kiireessä kaikkea olennaista ehditä tunnistaa ajoissa. Tutkimusten mukaan noin neljännes iäkkäiden päivystyskäynneistä liittyy lääkitysongelmiin. Niistä merkittävä osa olisi ehkäistävissä.

Ajatus hankkeesta syntyi siitä pohdinnasta, voisiko tekoäly tukea riskien tunnistamista ja koota olennaisen tiedon päätöksenteon tueksi.

Millainen työkalu on ja miten se toimii?
Kehitämme tekoälyavusteista lääkitysriskityökalua perusterveydenhuollon ja erikoissairaanhoidon käyttöön. Työkalu hyödyntää potilaan lääkitys-, laboratorio- ja terveystietoja sekä auttaa tunnistamaan kaatumisiin, verenvuotoihin ja sekavuuteen liittyviä lääkitysriskejä.

Se toimii lääkärien, hoitajien ja kliinisen farmasian ammattilaisten tukena. Järjestelmä ei tee hoitopäätöksiä itsenäisesti. Tavoitteena on kehittää työkalusta lääkinnällinen laite kansalliseen käyttöön.

Hyötyjä voi syntyä monella tasolla. Työkalun avulla potilaat saavat turvallisempaa ja ennakoivampaa hoitoa, ammattilaiset saavat tukea päätöksentekoon kiiretilanteissa, päivystys saa apua riskipotilaiden tunnistamiseen ja hoidon priorisointiin sekä terveydenhuolto saa mahdollisesti vähemmän vältettävissä olevia haittatapahtumia ja kustannuksia.

Sotessa tekoäly mielletään usein Copilotin tapaisena yleisvälineenä. Miten kliininen lääkitysriskityökalu eroaa siitä?
Kyseessä on tarkasti rajattuun käyttötarkoitukseen kehitetty järjestelmä, joka toimii osana kliinistä hoitoprosessia. Sen toimintaa arvioidaan tutkimuksellisesti. Kliinisessä käytössä sen pitää täyttää huomattavasti tiukemmat turvallisuus-, suorituskyky- ja riskienhallintavaatimukset kuin yleiskäyttöiset tekoälyjärjestelmät. Tällaisia ratkaisuja säätelevät myös tiukemmat sääntely- ja laatuvaatimukset.

Terveydenhuollossa tekoälyn täytyy olla turvallinen, läpinäkyvä ja ammattilaisten valvoma. Tavoitteena ei ole korvata terveydenhuollon ammattilaista, vaan tukea päätöksentekoa ja auttaa tunnistamaan riskejä ajoissa.

Mitä farmasian erikoisosaaminen tuo tekoälyhankkeeseen?
Farmasian osaaminen on keskeistä tällaisessa hankkeessa. Lääkitysriskit ovat monimutkaisia kokonaisuuksia, joihin vaikuttavat muun muassa ikäihmisen fysiologia, monilääkitys, lääkkeiden yhteisvaikutukset, munuaisten toiminta ja annostukset.

Teknologia yksin ei riitä. Pitää ymmärtää, mitä kliinisesti merkityksellisiä asioita tutkimusnäytön perusteella tulee tunnistaa. Farmasian ammattilaiset tuovat hankkeeseen syvällistä osaamista lääkehoitojen turvallisuudesta, riskien tunnistamisesta ja kliinisestä arjesta.

Parhaat ratkaisut syntyvät moniammatillisesti, kun mukana ovat eri ammattiryhmien kliiniset asiantuntijat, teknologiaosaajat ja loppukäyttäjät.

Jos olisit päivän diktaattorina, mitä muuttaisit Suomen tekoälykehityksessä?
Helpottaisin tutkimus- ja kehitystyön viemistä aidosti käyttökelpoisiksi ratkaisuiksi terveydenhuoltoon. Hyvinvointialueilla tehdään paljon hyvää tutkimusta ja pilotteja, mutta matka tutkimuksesta valmiiksi tuotteeksi on raskas.

Terveydenhuollon tekoälyratkaisujen kehittäminen vaatii rahoitusta, regulaatio-osaamista, tietoturvaa, kliinistä validointia ja kaupallistamisen osaamista. Tällä hetkellä monet hyvinvointialueet rakentavat näitä polkuja pitkälti itse.

Toivoisin Suomeen yhteisiä kansallisia rakenteita, tukipalveluita ja tekoälyosaamista myös hyvinvointialueille.

Miten hyvinvointialueiden välistä tekoäly-yhteistyötä voitaisiin parantaa?
Hyvinvointialueilla tehdään paljon samankaltaista tekoälyyn liittyvää kehitystyötä toisistaan erillään. Käytännössä jokainen alue selvittää alusta asti itse tietosuojaa, regulaatiota, hankintamalleja ja integraatioita.

Yhteistyötä voitaisiin parantaa rakentamalla yhteisiä kehitysalustoja, niin sanottuja hiekkalaatikoita, joita alueet voisivat hyödyntää yhdessä. Se nopeuttaisi kehitystä ja vähentäisi päällekkäistä työtä.

Tekoälyratkaisujen arviointi vaatii myös riittävän suuria aineistoja. Joten yksittäisen alueen on vaikea koota niitä yksin. Suomessa olisi potentiaalia rakentaa yhdessä turvallisia ja kustannusvaikuttavia ratkaisuja.

Mitä muuta haluaisit sanoa tekoälystä terveydenhuollossa?
Aiheeseen liittyy tällä hetkellä paljon hypeä ja samalla myös todellista potentiaalia. Parhaimmillaan tekoäly auttaa tunnistamaan riskejä aikaisemmin, vähentää ammattilaisten kuormitusta ja tukee potilasturvallisuutta.

Kyse on muustakin kuin teknologiasta. Tarvitsemme tutkimusta, kliinistä validointia, koulutusta ja ymmärrystä siitä, missä tekoäly aidosti tuo lisäarvoa. Terveydenhuollossa tekoälyä pitää kehittää vastuullisesti, potilasturvallisuus ja käytännön kliininen työ edellä.