Ylilääkäri Suvi Syväranta (LT) vastaa Peijaksen sairaalan röntgenin päivittäistoiminnasta ja johtaa tekoälyn käyttöönottoa HUS Diagnostiikkakeskuksen radiologialla. Edelläkävijä-sarjassamme hän kertoo, miksi tekoälykehityksessä pitäisi siirtyä tehtävien osaoptimoinnista koko hoitoketjun kehittämiseen sekä miten hänen johtamansa ”digikätyrit” vievät digitalisaatiota eteenpäin radiologiassa.

Kerro taustastasi ja työstäsi
Valmistuin lääkäriksi vuonna 2010, lääketieteen tohtoriksi 2013 ja radiologian erikoislääkäriksi 2021. Muutama vuosi sitten minut valittiin radiologian digitaalisten työkalujen prosessinomistajaksi. Viime vuonna siirryin Peijaksen röntgenin ylilääkärin tehtävään. Osaston toiminnan järjestämisen rinnalla koordinoin tekoälyn käyttöönottoa koko HUS Diagnostiikkakeskuksen alueella, joka ulottuu Raaseporista Lappeenrantaan.

Päivystän edelleen ja teen mahdollisuuksien mukaan lausuntotyötä ja toimenpiteitä, joten käsitys radiologin arjesta pysyy tuoreena.

Miten tekoäly näkyy radiologian arjessa?
Kuvanmuodostus- ja käsittelytekniikat magneettikuvauksessa ja tietokonetomografiassa ovat lyhentäneet kuvausaikoja ja pienentäneet säteilyannoksia. Segmentointityökaluihin tekoälyominaisuudet ilmestyivät vähitellen ohjelmistopäivitysten myötä.

Sydänradiologina piirsin aiemmin sydämen ääriviivat käsin ohjelmassa. Klikkasin kymmeneen leikekuvaan jokaisen pisteen ja korjasin. Nyt ääriviiva syntyy automaattisesti tekoälyavusteisesti ja niitä tarvitsee yleensä korjata enää vain parista kohdasta. Teknologian kehitys on ollut niin luonteva osa työtä, ettei sitä juuri huomaa. Ja tämä kehitys pelasti minut hiirikädeltä.

Mihin tekoäly soveltuu hyvin ja milloin hyödyt jäävät saavuttamatta?
Tekoälyn avulla voidaan terveydenhoidossa optimoida hyvin yksittäisiä asioita. Mutta hoitoketjua pitäisi kuitenkin tarkastella kokonaisuutena, koska yksittäisten osaoptimointien hyödyt eivät muuten realisoidu. Jos esimerkiksi kykenemme nopeuttamaan kuvantamista, lisäämme vain painetta hoitoprosessin seuraavaan vaiheeseen.

Esimerkiksi akuutin aivoverenkiertohäiriöpotilaan hoitoketju hiottiin minttiin jo kolmekymmentä vuotta sitten, eikä varttia nopeammin tuotettu lausunto todennäköisesti kotiuta potilasta yhtään aikaisemmin.

Ketkä ovat ratkaisevia tekoälyn käyttöönotossa?
Kaikki lähtee siitä, että radiologiassa työskentelee mahtavia sairaalafyysikoita, jotka ymmärtävät tekniikan poikkeuksellisen syvällisesti. He valvovat säteilyn käyttöä ja optimoivat kuvauslaitteita, joten laitetasolla tekoälyn hyödyt saatiin käyttöön jo varhain. Radiologi kuitenkin kantaa vastuun potilaan diagnoosista ja hoidon etenemisestä. Ilman radiologivetoisuutta mikään diagnostisista sovelluksista ei siirry arkeen.

Olin meillä siinä mielessä ilmeisesti se puuttuva lenkki. Osaaminen ja käytäntö olivat molemmat olemassa. Tarvittiin vain joku, jonka kautta ne kohtaavat. Muutama vuosi sitten olimme kehityksessä suorastaan jäljessä, mutta tänä keväänä pääsin esittelemään prosessiamme jo EU-tasolla.

Entä oma tekoälyn käyttösi?
Radiologin työssä käytän erilaisia sovelluksia, kuten muutkin. Mutta annan niistä myös rehellistä palautetta sovellustoimittajille. Tyylini on ”brutally honest, but friendly”, mutta sitä tunnutaan arvostavan.

Käytän generatiivista tekoälyä jonkin verran hallinnollisessa työssä. Lähtökohtani on, ettei minun kannata tehdä työtä, josta tekoäly suoriutuu. Sellaisen työn poistan tai delegoin. Pidän velvollisuutenani olla tekemättä työtä, johon riittää 80-prosenttinen tekoälyroiskaisu. Jos editoin dokumenttia, tehtäväni on tuottaa siihen punainen lanka, jonka toinen ihminen ymmärtää.

Miten parannat organisaatiosi digiosaamista?
Aiemmin liian moni digiasia lepäsi yhden perehtyneen henkilön varassa. Tämän riippuvuuden purkaminen vaati tiimin osaamisen laajentamista. Sain rekrytoida työntekijöistämme ”digikätyristön”, johon pääsi mukaan lähes jokainen halukas. Heitä on nyt parikymmentä. Heillä ei ole virallista toimenkuvaa tai asemaa, mutta he saavat käyttää työaikaa asioihin, joihin oma aikani tai osaamiseni ei riitä.

Rekrytoinnissa tiimin monipuolisuus oli yksi keskeinen kriteeri. Mukana on viestinnän osaajia, teknisesti orientoituneita henkilöitä sekä eri alojen edustajia, kuten neuro- ja vatsaradiologeja sekä toimenpiteiden tekijöitä. Tiimiin tarvittiin myös muita kuin diginatiiveja, koska koko henkilöstö on pidettävä mukana digimuutoksissa. Tarvitaan myös vastarannan kiiskejä.

Läpinäkyvät kriteerit ja avoimet haut ovat minulle periaatekysymyksiä. Kun ihmiset kokevat johtamisen ja urapolut reiluiksi, muutokset menevät organisaatiossa läpi vaivattomammin.

Miten tekoälykehitystä tulisi organisoida?
Erillistä tekoälyhallintoa kannattaa minusta välttää, koska se lisää byrokratiaa. Saman osaston, joka johtaa toimintaa, tulisi myös valvoa ja osata käyttää eri teknologioita.

Diagnostiikkakeskuksessa arviointi, koulutus, käyttöönotto, seuranta ja poikkeamakokoukset kulkevat samoja reittejä hallinnossa kuin kaikki muu toiminta. Haluan esimerkiksi suorittaa valvontaa tiedolla johtamisen työkaluista ilman erillistä käyttöseurantaa.

Jos olisit päivän diktaattori, mitä tekisit?
Ensiksi, datan tulisi seurata potilaan mukana koko hoitoketjun ajan niin, että puuttuva data on minimoitu. Tällä hetkellä tieto hajoaa hoitoketjun eri vaiheissa, jolloin potilaan hoitopolusta ei muodostu kokonaiskuvaa. Jos datassa on systemaattisia puutteita tai vinoumia, myös hoidontarpeen arviointi vaikeutuu. Lisäksi rakentaisin vielä kerroksen, josta dataa hyödynnetään anonyymisti tai potilastietona.

Toiseksi, lisäisin merkittävästi sairaaloiden omaa tutkimusrahoitusta, jota jaettaisiin kevyellä byrokratialla työn ohessa tehtävälle tutkimukselle. Asiantuntijat tuntevat käytännön ongelmat. Isot rahoitushaut vievät aikaa ja edellyttävät myös työaikaosuuksia, joihin kliinikko harvoin pystyy sitoutumaan. En voi esimerkiksi luvata puolta työajastani tutkimukselle, kun resurssit ovat niukat ja samalla on menossa suuri tietojärjestelmäkilpailutus.