Koneäly auttaa ennakoimaan kroonikon vointia

Kun pitkäaikaissairaan voinnista saadaan tietoa etukäteen, voidaan hänen hoitoaan suunnitella tehokkaasti. Koneälyn avulla voidaan potilaiden tilanteita ennakoida ja estää tilanteiden kriisiytyminen.

Pitkäaikaissairaiden hoidossa tekoälyllä on paljon potentiaalia, sillä tietoa yhdistelemällä kone pystyy laskemaan mahdolliset poikkeamat potilaan voinnissa ja kertomaan niistä. Kun tietoa saadaan ennakkoon, potilaan terveydentilan muutoksiin voidaan reagoida.

Vaikutukset terveydenhuollon kustannuksiin ovat suuret, jos vältetään yhä useampien potilaiden tilanteiden kriisiytyminen ja sairaalaan joutuminen. Koneälypalveluista on hyviä kokemuksia esimerkiksi keuhkoahtaumatautipotilaiden ja astmapotilaiden hoidon seuraamisessa.

Accenturen digitaalisten terveyspalvelujen johtava asiantuntija Konstantin Vdovenko sanoo, että koneäly kehittyy nyt voimakkaimmin kahdesta suunnasta: sovelluksia syntyy erilaisten sairauksien omahoitoon sekä vinkinantajan rooliin, mikä auttaa lääkäreitä diagnosoinnissa ja potilaan voinnin seuraamisessa.

– Suuri kysymys on, miten kansalaiset ja terveydenhuollon ammattilaiset voivat ottaa näitä signaaleja ja vinkkejä vastaan ja hyödyntää niitä, Vdovenko sanoo.

Kun ihminen hakee tietoa ongelmaansa, hän useimmiten googlettaa. Accenturen Marko Rauhalan mukaan potilas pääsee nopeammin eteenpäin, jos hänen omaa terveyttään koskeva tiedonhaku ei lähde aina nollatilanteesta. Koneälyä hyödyntävät palvelut muistuttavat potilaita hoitoon liittyvistä asioista ja ohjaavat hänet jatkohoitoon tarvittaessa.

– Tiedonhaku ja neuvonta terveydenhuollossa sujuvat nykyistä helpommin ja personoidummin, kun yhdistetään ihmisen omia kertomuksia, seurantatietoa voinnista ja erilaisista mittauksista, Terveydenhuollon ja julkisten palveluiden toimialajohtaja Marko Rauhala sanoo.

Koneälyllä mahdollisuuksia vaikuttaa terveydenhuollon prosesseihin

Lääkärit ja sairaanhoitajat eivät välttämättä aamulla tiedä, minkälainen työpäivä terveyskeskuksessa on: minkälaisia potilaita ovesta tulee sisään ja millaisia ovat heidän vaivansa – ne vaihtelevat flunssasta mielenterveyteen.

– Kun hieman aiemmin osataan ennakoida, minkälaisia potilaita on tulossa, voidaan terveyskeskusten ja sairaaloiden prosessit suunnitella perustuen tietoon. Tämä helpottaa sekä potilasta että terveydenhuollon ammattilaisia, Vdovenko sanoo.

Kun taas tietoa potilaasta on riittävästi, voidaan hyödyntää isoa dataa. Potilaan tilannetta verrataan samanlaisiin potilaisiin ja tilanteisiin, jolloin päästään tekemään nopeammin potilaan hoitoon liittyviä ehdotuksia ja päätöksiä. Vdovenko kertoo, että kone voidaan ohjelmoida laskemaan potilaan terveydentilaan liittyviä todennäköisyyksiä ja hakemaan korrelaatioita erilaisten asioiden ja syy-seuraussuhteiden välillä.

– Esimerkiksi Valenciassa Espanjassa koneäly nosti keuhkoahtaumatautia (COPD) sairastavia korkean riskin potilaita esiin, ja heille voitiin tehdä interventioita aiempaa aikaisessa vaiheessa. Säästöjä tuli, kun sairaalan vuodepaikat vähenivät, ja interventioita pystyttiin tekemään aiempaa alhaisemmilla kustannuksilla, Marko Rauhala kertoo.

Miten arvotetaan omaa dataa?

On vielä paljon selvitettävää siinä, miten sovelluksista saatavat tiedot ja erilaiset mittaustiedot saadaan mukaan terveydenhuoltoon ja miten sekä asenteet että lainsäädäntö kehittyvät.

– Koneoppiminen poimii myös pois roskadataa. Tekniikka kehittyy tässä suhteessa nopeasti ja pian mittaukset alkavat olla riittävän hyviä, että terveydenhuoltokin voi niihin luottaa, palvelun kehittäjä Seppo Salorinne Kamu Healthista sanoo.

Kanta-arkisto on lähtenyt kehittämään omatietovarantoa, johon voi kerätä hyvinvointisovelluksista saatavaa tietoa. Palvelua pilotoidaan parhaillaan testikäyttäjillä.

Kuva:iStockphoto