Tämä on tulevaisuus, joka HUSissa halutaan rakentaa: tekoäly, joka ei vie pois ihmiskohtaamisia, vaan antaa niille enemmän tilaa.
"Tekoälyllä on valtava potentiaali tehdä hoitotyöstä sujuvampaa ja vähentää rutiinityötä. Jos ammattilaisen ei tarvitse käyttää aikaansa tietojen hakemiseen ja kirjaamiseen, hän voi keskittyä siihen, missä ihminen on korvaamaton: potilaan kohtaamiseen ja hoitamiseen," sanoo HUSin data- ja analytiikkajohtaja Sara Kinnunen.
Vähemmän klikkailua, enemmän aikaa kuunnella
Lääkäreiltä ja hoitajilta kuluu vastaanotoilla paljon aikaa tietojen kirjaamiseen ja etsimiseen. Tekoälyn avulla tämä työ voidaan automatisoida, jolloin aikaa jää enemmän potilaille.
Yksi konkreettinen esimerkki on kirjausapuri – tekoälytyökalu, joka tekee vastaanotolla käydystä keskustelusta luonnoksen yhteenvedoksi. Lääkäri tai hoitaja ei aloita kirjaamista tyhjästä, vaan voi muokata, tarkistaa ja hyväksyä tekoälyn tekemän ehdotuksen.
"Ammattilainen ehtii aidosti kuunnella ja kohdata, kun hänen ei tarvitse multitaskata," Kinnunen kuvailee.
Toinen tekoälyä hyödyntävä työkalu on tulkkausapuri, joka auttaa niissä tilanteissa, joissa potilas ja henkilökunta eivät puhu samaa kieltä.
"Aina, kun potilaan ja ammattilaisen välillä on kielimuuri, tarvitaan tulkkia. Tätä pystytään jatkossa automatisoimaan tekoälyllä, joka kuuntelee vastaanottoa ja kääntää puhetta reaaliaikaisesti. Tavoitteena on, että tulkkauksessa ei olisi yhtään viivettä ja resursseja säästettäisiin," Kinnunen kertoo.
Kun sairaala ei saa pysähtyä, tekoäly ennustaa ja ohjaa
HUSin päivystyksessä ambulanssit kaartavat pihaan tasaisena virtana. Osa potilaista pääsee nopeasti hoitoon, mutta välillä päivystyssalit täyttyvät ja odotusajat venyvät. Silloin katse kääntyy Ruuhkamittariin. Se ei ole vain tilannekuvan näyttäjä – sen taustalla toimii tekoäly, joka ennustaa kuormitusta ja auttaa sairaalaa varautumaan tulevaan.
"Ruuhkamittari seuraa ja ennustaa kaikkien päivystyksellisten toimintojen kuormitusta reaaliaikaisesti. Sen avulla voidaan arvioida esimerkiksi ensihoidon, päivystysten ja leikkaussalien tilannetta ja ohjata resursseja oikeisiin paikkoihin," Kinnunen kertoo.
Tekoäly käy läpi potilasvirtoihin ja sairaalan kapasiteettiin liittyvää dataa ja antaa hoitohenkilökunnalle arvokasta tietoa siitä, missä resurssipula uhkaa ja mihin tukea tarvitaan eniten. Myös HUSin asiakkaat pääsevät tarkkailemaan Ruuhkamittaria, joka löytyy julkisena verkosta.
Ennustemallit auttavat ennakoimaan potilasmääriä ja sairastumisriskiä
Samalla logiikalla toimii myös Ennu, tekoälypohjainen päivittäisjohtamisen ennustemalli. Se analysoi osastokohtaisten saapuvien ja lähtevien potilaiden määrää ja antaa ennusteita jopa seitsemän päivän päähän.
"Tulevaisuudessa tulemme menemään kohti ennakoituja järjestelmiä, josta esimerkkinä on jo tämä meillä käytössä oleva Ennu-järjestelmä. Lisäksi lähivuosina pystymme jo perusterveydenhuollon puolella tunnistamaan tekoälyn avulla myös sairastumisriskejä entistä aiemmin ja reagoimaan näihin jo ennen, kun potilas sairastuu," Kinnunen sanoo.
Eri toimijoilla on jo nyt käytössä tekoälyteknologioita, joilla pystytään esimerkiksi tunnistamaan ihmisiä, joilla on kohonnut riski sairastua kakkostyypin diabetekseen. Tulevaisuudessa ennustemallit voivat ulottua vielä pidemmälle.
"Datan perusteella voimme tulevaisuudessa nähdä vaikka, että mitä luultavammin henkilölle tulee 10 vuoden päästä keuhkosyöpä nykyisillä elintavoilla. Pystymme hoitamaan potilasta jo ennen, kun hän on sairastunut," Kinnunen kuvailee.
Tarkkuutta ja nopeutta – tekoäly lyhentää magneettikuvausten kestoa
Tekoäly on jo pitkään mullistanut kuvantamista ja radiologiaa – ensimmäiset koneoppimisalgoritmit kehitettiin jo 1990-luvulla, ja HUS on hyödyntänyt näitä ratkaisuja jo yli kymmenen vuoden ajan. Diagnostiikka on yksi osa-alue, jossa tekoälyn käyttö kasvaa jatkuvasti, ja sen avulla voidaan viedä asioita uudelle tasolle lähitulevaisuudessa. Tekoäly sujuvoittaa jo nyt myös koko kuvantamisprosessia.
Meilahden siltasairaalassa otettiin vuonna 2024 käyttöön tekoälysovellus, jonka avulla voidaan lyhentää magneettikuvausten kestoa. Kun yksittäisten kuvausten kesto lyhenee, saadaan päivään mahtumaan entistä useamman potilaan kuvaus.
“Magneettikuvausten nopeuttamisessa on aiemmin ollut haasteena riittävän laadun säilyminen. Nyt käytössä olevan tekoälysovelluksen avulla olemme voineet nopeuttaa kuvauksia ilman, että laatu kärsii”, ylilääkäri Antti Korvenoja kertoo.
Kuvausten nopeutuminen tekoälyn avulla perustuu siihen, että magneettikuvauksessa kerättävää signaalia voidaan kerätä aiempaa vähemmän. Tekoälyn avulla vähäisemmästä datasta voidaan koostaa laadullisesti riittävän hyvä kuva.
Siltasairaalan magneettikuvauksissa käytettävä tekoälysovellus on syvästi integroitu magneettikuvauslaitteen toimintaan ja pohjautuu fysiikan periaatteisiin. Kuvanlaadun riittävyyden arvioivat aina kuvauksen tekevä hoitaja ja kuvista lausunnon antava radiologi.
Tekoälyn avulla päivään mahtuu enemmän kuvauksia
Se että yhteen päivään mahtuu nyt aiempaa useamman potilaan kuvaus, ei ole yksinomaan tekoälyn ansiota vaan monen asian summa.
“Sovellus on mahdollistanut kuvausajan lyhentämisen. Sen lisäksi meidän on täytynyt käydä läpi koko magneettikuvauksen prosessi, jotta olemme saaneet yhteen päivään mahtumaan entistä useampia kuvauksia”, Korvenoja kertoo.
Sovelluksen käyttöönoton jälkeen Siltasairaalan magneetin ei-päivystyksellisten päivällä tehtävien kuvausten määrä on kasvanut 15 prosenttia. Nyt viiden arkipäivän aikana tehdään noin 140 kuvausta aiemman noin 125 sijaan.
Sen lisäksi, että lyhentyneet kuvausajat mahdollistavat suuremmat päiväkohtaiset kuvausmäärät, ne ovat mielekkäitä myös potilaan kannalta.
“Esimerkiksi selkäpotilailla voi olla hankalaa maata pitkiä aikoja paikallaan, joten kuvausajan lyheneminen on tervetullutta. Epämukavassa tilanteessa saattaa tulla liikettä, mikä aiheuttaa häiriöitä kuviin”, Korvenoja kertoo.
Radiologisten tutkimusten kysyntä kasvaa jatkuvasti ja magneettikuvauksille löytyy koko ajan uusia käyttötarkoituksia.
“Magneettikuvausta käytetään yhä enemmän esimerkiksi syöpähoitojen seurannassa. Jotta voimme vastata jatkuvasti kasvavaan kysyntään, tarvitsemme uusia ratkaisuja”, Korvenoja sanoo.
Potilasturvallisuus varmistetaan aina ennen tekoälyn käyttöönottoa
Toinen esimerkki tekoälyn hyödyntämisestä radiologialla ovat tietokonetomografiakuvaukset, jotka voidaan tekoälyn ansiosta tehdä aiempaa pienemmillä säteilyannoksilla. Pienempi säteilyannos aiheuttaa kuvaan häiriöitä, jotka voidaan tekoälyn avulla lopullisesta kuvasta poistaa.
“Arvioimme radiologialla jatkuvasti erilaisia kaupallisia sovelluksia, ja kun sopivia löytyy, niitä otetaan käyttöön. Potilasturvallisuus on kuitenkin aina keskiössä, eikä sovelluksia oteta käyttöön ennen kuin tietosuoja ja vaikutukset potilaiden hoitoketjuihin on selvitetty”, Korvenoja kertoo
Tekoälyä kehitetään eettisesti ja turvallisesti
Vaikka tekoäly tuo suuria mahdollisuuksia, sen käyttö vaatii aina, eikä vähiten terveydenhuollossa, tarkkaa harkintaa ja vastuullisuutta. Tammikuussa 2025 HUSissa hyväksyttiin oma tekoälypolitiikka, joka ohjaa tekoälyn käyttöä ja kehittämistä organisaatiossa. Tekoälyn eettiseen ja turvalliseen käyttöön liittyy paljon taustalla tapahtuvaa arviointia ja validointia jo ennen, kuin mitään otetaan kokeiluun.
“Kaupallisia tekoälyratkaisuja on esimerkiksi radiologialla tarjolla paljon. Niiden kelkkaan hyppäämisessä täytyy kuitenkin olla malttia. Uudet menetelmät ja tekniikat, olivat ne sitten tekoälyä tai eivät, vaativat aina testausta ja niihin liittyy sudenkuoppia, jotka pitää oppia tuntemaan”, Korvenoja toteaa.
HUS ei kehitä tekoälyratkaisujaan yksin, vaan tekee aktiivista yhteistyötä muiden suomalaisten ja eurooppalaisten toimijoiden kanssa.
"Meillä on hyvinvointialueiden ja toimittajien kanssa perustettu sote-tekoälyn ekosysteemi, jonka kautta jaamme parhaita käytänteitä, oppeja ja jopa teknisiä ratkaisuja. Kaikki, mitä me kehitämme HUSissa, kehitetään niin, että muutkin toimijat voivat niistä hyötyä," Sara Kinnunen sanoo.
EU:n tekoälysäädös edellyttää, että tekoälyn käyttäminen eri tietojärjestelmissä on ilmoitettava selkeästi käyttäjille ja että henkilöstölle tarjotaan riittävä koulutus tekoälyn vastuulliseen käyttöön.
HUS lanseerasi alkuvuodesta henkilöstölleen tekoälylukutaidon oppaan, joka kokoaa yhteen keskeiset tiedot tekoälystä, sen käyttökohteista ja eettisistä periaatteista. Samalla käynnistyvät henkilöstön tekoälykoulutukset, jotta jokainen huslainen ymmärtää tekoälyn periaatteet ja vastuut.
"Tekoälyn vastuullinen käyttö edellyttää, että henkilöstömme ymmärtää, miten teknologia toimii ja mitä se voi – ja ei voi – tehdä. Tämä on tärkeää sekä potilasturvallisuuden että ammattilaisten työn kannalta," Kinnunen korostaa.
Ihminen edellä, tekoäly tukena
Tekoäly terveydenhuollossa herättää monenlaisia tunteita. Kinnunen ymmärtää, että uuden teknologian käyttöönotto voi herättää huolta, mutta hän haluaa korostaa, ettei tekoälyn tarkoitus ole vähentää ihmiskontakteja – vaan tehdä niistä merkityksellisempiä.
"Potilaan palvelupolulla on monia vaiheita, joissa ihmisen kohtaaminen ei ole välttämätöntä. Näissä kohdissa tekoäly voi parantaa palvelun sujuvuutta ja vapauttaa ammattilaisten aikaa. Esimerkiksi saapumisohjeet sairaalaan – vaikuttaako hoitokokemukseesi, saatko ne sairaanhoitajalta vai chatbotilta?" Kinnunen pohtii.
HUSissa tekoälykehitys perustuu vuosien pitkäjänteiseen työhön datan hyödyntämisessä. Tietohallinnon Data-, AI- ja analytiikkavastuualueella työskentelee noin 60 ammattilaista, joista reilu 20 kehittää tekoälyratkaisuja täysipäiväisesti. Kinnunen aloitti vastuualueen johtajana viime syksynä.
HUS on kansallisesti ja eurooppalaisesti edelläkävijä tekoälyn soveltamisessa terveydenhuollossa. Yksi suurimmista vahvuuksista on laaja tietoallas, joka on ollut käytössä jo vuodesta 2016 – moni muu eurooppalainen toimija kehittää vasta nyt omia tietoaltaitaan.
"Tekoälyn käyttö vaatii dataa, jota sille opettaa tai jota se voi analysoida. Meillä HUSissa kehitystyö aloitettiin jo varhain, ja nyt haluankin painottaa sitä, miten saisimme kaiken tämän datan arvon konkretisoitua ja hyödynnettyä mahdollisimman tehokkaasti," Kinnunen sanoo.
Tekoäly tarvitsee aikaa – mutta suunta on selvä
Monet HUSin tekoälyhankkeet ovat vielä kokeiluasteella, ja niiden vaikuttavuuden arviointi vaatii aikaa.
"Vaikuttavuuden arviointi vaatii dataa pitkältä ajalta – ehkä vuoden päästä pystymme ensimmäisen kerran esittämään perusteltua näyttöä siitä, kuinka paljon tekoälyratkaisumme säästävät ammattilaisen työaikaa, ja miten ne auttavat käyttämään sekä henkilöstön että taloudelliset resurssimme tehokkaammin," Kinnunen sanoo.
Tavoite on kuitenkin selkeä: tekoälyn avulla HUS voi tehdä hoitotyöstä sujuvampaa, inhimillisempää ja vaikuttavampaa.
"Tekoäly ei tule ja syrjäytä tai tee kaikesta tekemisestä tunteetonta ja näkymätöntä. Tekoäly mahdollistaa sen, että ammattilaisillemme jää paljon nykyistä enemmän aikaa empaattiseen ihmiseltä ihmisille tapahtuvaan kohtaamiseen – juuri siellä, missä se on kaikista tärkeintä," Kinnunen summaa.
