Kielimallit ja generatiivinen tekoäly voivat tehostaa olemassa olevia teknologioita, prosesseja ja tietämystä. Mutta jos prosessit, data ja sen hallinta ovat puutteellisia, ei tekoälyn käyttö yksin ratkaise ongelmia.
Oleellinen potilastieto ei vieläkään ole kaikissa potilaiden kohtaamisissa saavutettavissa teknisten rajoitteiden vuoksi, mikä altistaa suuremmille ongelmille kuin potilastekstin kirjaamisen koettu työläys. Potilastiedon hakemiseen menee helposti enemmän aikaa kuin käyntitekstin kirjaamiseen. Tiedon näkyvyyden haasteet olisivat olleet ratkaistavissa ja kansalliset koosteet ja muut tiivistelmät toteutettavissa jo ennen tekoälynostetta, mutta eivät ole saaneet riittävää painoarvoa viime vuosien keskusteluissa ja toteutuksissa.
Ratkaisut tiedon näkyvyydessä ja siirtymisessä tulisi olla tehtynä ennen kuin päälle liimataan potentiaalisesti hallusinoivaa tekoälyratkaisua. Jos näkyvyys teksteihin on jo lähtökohtaisesti vajavainen, ei tekoäly sitä ratkaise, ja toisaalta voi altistaa vaaratilanteille. Hyöty potilastekstejä tiivistävästä ja koostavasta tekoälyratkaisusta olisi merkittävä, mutta peruspalikatkin yhä edelleen laajalti toteuttamatta.
Osaoptimoimalla tekoälyratkaisuja saadaan aikaiseksi kohinaa
Suurin terveydenhuollon haaste ei ole potilastapahtuman kirjaaminen – se onnistuu puheentunnistuksella tai sanelulla minuutissa tai parissa – vaan oleellisten asioiden löytäminen runsaasta ja eri puolille ripotellusta potilastekstimassasta. Helpottaako tekoälyllä keskustelusta tehty litterointi lopulta ammattilaisen työtä, jos potilaskertomus täyttyy tekoälyn generoimasta kohinasta ja sen myötä vaikeuttaa oleellisen tiedon löytämistä teksteistä entisestään?
Arkirealismia on, että puheentunnistuksen tai tekoälytunnistuksen virheet usein jäävät osaksi tekstejä, ja niiden tarkistamiseen tai korjaamiseen menee myös aikaa. Tekstin laatiminen on myös tärkeä vaihe ammattilaiselle jäsentää potilaskontaktin sisältöä. Entä jos potilastekstejä tiivistävä ja koostava tekoälymalli hyödyntää aktiivisesti toisen tekoälyn muodostamaa kertomuskohinaa vastauksissaan? Epävarmuus kasvaa entisestään.
Saattaisi olla hyödyllistä, että potilasasiakirjan merkintään lisättäisiin parametri, joka ilmaisee, onko merkintä laadittu koneellisesti (“machine-generated”) tai konetta hyödyntäen (“machine-assisted”). Tämä loisi läpinäkyvyyttä ja parantaisi ammattilaisen – ja myös tekoälymallien – kykyä arvioida tiedon luotettavuutta. Tästä olisi hyötyä jo nyt esimerkiksi potilastietojärjestelmään integroitujen laitteiden ja sovellusten osalta.
Poimitaan matalalla roikkuvat ratkaisut ensin
Kirjaamista voidaan kuitenkin tehostaa älykkäillä ratkaisuilla. Nykyisin osa potilastiedoista tulisi pyrkiä tallentamaan rakenteisesti tietojärjestelmään, jotta niitä voidaan jatkossa hyödyntää luotettavasti. Kattava rakenteinen kirjaaminen jää usein kuitenkin tekemättä järjestelmien käytettävyyteen liittyvien haasteiden ja kiireen vuoksi. Onneksi tavallisesta tekstistä voitaisiin poimia talteen rakenteet, kuten mittaukset ja sairaudet, jolloin varsinaista käyntitekstiä täydentävät kirjaukset toteutuvat asianmukaisesti ja helposti. Vastaavasti tilastointi ja muu hallinnollinen kirjaustaakka on yksinkertaista ulkoistaa automatiikalle.
Potilastekstin suunnitelmaosio on tärkein kirjaus. Voisiko tekoälyn rakentama keskusteluteksti jäädä parhaimmillaan taustalle piiloon oikeusturvallisia tarpeita varten ja ammattilainen voisi kirjata terveydenhuollon tarpeisiin vain sen mitä aidosti tarvitaan potilaan hoidon kannalta, esimerkiksi vain sairauden määrityksen ja hoitosuunnitelman? Kronologisesta potilaskertomuksesta tulisi luettavampi ja toissijainen tarve kertomusmerkinnälle täyttyisi taustalle jäävänä lokimerkintänä, jonka saa halutessaan avata luettavaksi.
Kuvakaappaus kirjoittajan tekemästä potilastietojärjestelmän konseptista vuodelta 2021. Käynnin avaamalla saisi näkyville laajemmat kirjaukset. Kertomuksen tukena olisivat kansalliset koostetiedot potilaan sairauksista, lääkityksistä, oleellisista mittauksista ja tutkimuksista, toimenpiteistä sekä muistutteet hoitovajeesta päätöksentukityökaluilta.
Kirjaamiseen löytyy ratkaisuja myös tietojärjestelmän ulkopuolelta
Hoidon jatkuvuutta parantamalla voidaan helpottaa ammattilaisen työtä myös tietojärjestelmän parissa. Tutun potilaan taustat ovat tiedossa ja kirjaaminen rakentuu jatkuvuuden päälle, jolloin kohina on vähäisempää. Vähemmän aikaa menee tiedon etsimiseen ja sen kirjaamiseen.
Kokonaiskuvassa olisi hyvä pohtia, mikä nykyisenlaiseen kirjaamiseen on ajanut? En tiedä oliko ennen paremmin, mutta ainakin kirjaamiskulttuuri oli kevyempää. Voisiko taustoihin puuttumalla löytää ratkaisuja, sillä laastari ongelman päälle voi epätarkoituksenmukaisesti aiheuttaa ongelmia tulevaisuudessa. Onko tekoäly ratkaisu ongelmaan, jonka olemme itse lainsäädännöllä ja kulttuurilla aiheuttaneet?
Lääkärin paisuvaa lausuntotaakkaakin voitaisiin keventää älykkäiden työkalujen avulla, mutta siihenkin on puututtava myös lainsäädännön ja priorisoinnin keinoin. Vai onko tarkoituksenmukaista, että tekoäly tekee lausunnon toiselle viranomaiselle siitä, että pyörätuolissa istuva ja yksinasuva iäkäs potilas tarvitsee muuttoapua?
Kohti tekoälykästä, mutta hallittua tulevaisuutta
Kielimallit ja generatiivinen tekoäly ovat käyttöliittymiä, ja sellaisina ne ovat erinomaisia. Niillä voidaan tehostaa olemassa olevia teknologioita, prosesseja ja tietämystä, mutta jos prosessit, data ja sen hallinta ovat puutteellisia, ei tekoälyn käyttö yksin ratkaise ongelmia. Tärkeä onkin, että ei unohdeta muuta kehitysvelkaa ja kokonaiskuvaa.
Varmasti tekoäly tulee helpottamaan kirjaamista, oleellisen tiedon löytämistä sekä päätöksentekoa myös terveydenhuollon järjestelmissä. Tällä hetkellä yleisten generatiivisten mallien kyvykkyys ei ole riittävä korkean riskin terveydenhuollon tekoälyratkaisuihin, mutta kehitys on valtavan nopeaa ja tilanne toivottavasti muuttuu. Toivoa on, että tekoälynosteen vivuttamana pystyttäisiin toteuttamaan myös niitä pitkään puuttuneita palasia sote-tietohallinnan kokonaisuudesta, mikä mahdollistaisi tekoälylle, ammattilaiselle ja potilaalle turvallisemman ympäristön toimia.
Lähteet
Nijor S, Rallis G, Lad N, Gokcen E. Patient Safety Issues From Information Overload in Electronic Medical Records. J Patient Saf. 2022 Sep 1;18(6):e999-e1003. doi: 10.1097/PTS.0000000000001002. Epub 2022 Apr 7. PMID: 35985047; PMCID: PMC9422765.
McCoy LG, Manrai AK, Rodman A. Large Language Models and the Degradation of the Medical Record. N Engl J Med. 2024 Oct 31;391(17):1561-1564. doi: 10.1056/NEJMp2405999. Epub 2024 Oct 26. PMID: 39465898.
Singh N, Lawrence K, Sinsky C, Mann DM. Digital Minimalism – An Rx for Clinician Burnout. N Engl J Med. 2023 Mar 30;388(13):1158-1159. doi: 10.1056/NEJMp2215297. Epub 2023 Mar 25. PMID: 36971285
Duodecim täyttää tämän vuoden marraskuussa 144 vuotta. Sairaan hyvä digiarki -blogisarjassa omien alojensa huippuammattilaiset pohtivat digitalisoituvan terveydenhuollon mahdollisuuksia ja sudenkuoppia.
Lue muut sarjassa ilmestyneet kirjoitukset:
Vastaa