Jo viime syksynä julkaistussa tutkimuksessa osoitettiin, että tekoäly pystyi vaikeaan diagnostiseen päättelyyn paitsi nopeammin, myös tarkemmin kuin kokenut lääkäri.
Diagnostiikka on lääketieteen kivijalka. Suomessa vain lääkärillä on oikeus tehdä diagnoosi ja määrittää sen mukainen hoito. 2000-luvun alussa hoitajareseptin pelättiin (turhaan) horjuttavan tätä yksinoikeutta.
Nyt olemme kuitenkin täysin uuden tilanteen edessä.
Lokakuussa 2024 JAMA Network Open julkaisi tutkimuksen, jossa osoitettiin, että tekoäly pystyi vaikeaan diagnostiseen päättelyyn paitsi nopeammin, myös tarkemmin kuin kokenut lääkäri. Mikä yllättävintä, tekoäly säilyi ylivertaisena myös tilanteessa, kun lääkäri sai käyttää tekoälyä apunaan. Kyse ei ole enää siitä, kuka saa tehdä diagnostiikkaa, vaan siitä kuka suoriutuu siitä parhaiten.
Kotimaiset tulokset harvinaissairauksien diagnostiikassa osoittavat samaan suuntaan. Ryyppö et al. osoittivat tänä vuonna julkaistussa tutkimuksessaan, että jopa perinteinen koneoppimismalli havaitsee harvinaissairaudet, kuten glomerulonefriitin, myosiitin ja vaskuliitin kuukausia tai jopa vuosia aiemmin kuin lääkäri on siihen palvelujärjestelmässä pystynyt.
Viekö tekoäly lääkärin tärkeimmän tehtävän, professiomme kruununjalokiven?
Kysymykseen ei varmasti ole yksiselitteistä ja oikeaa vastausta. Mutta samalla tavalla kuin puuttuessani lasteni riitelyyn tilanteessa, kun molemmat haluavat juuri samaan aikaan leikkiä samalla lelulla, uskon että tässäkin vastauksena on: tehkää ja tehdään yhdessä!
JAMA Network Openin julkaisusta käy nimittäin ilmi, että lääkäreillä, jotka saivat hyödyntää tekoälyä diagnostiikassa, oli huomattavan vähäinen kokemus tekoälyn käytöstä ylipäätänsä, saati työssä. Muutokset, hyvätkin sellaiset, vaativat aikaa. Tässä tapauksessa kyse ei ole pelkästään järjestelmän käytön oppimisesta, vaan eräänlaisesta tutustumisesta. Luottamuksen rakentamisesta. Ja luottamus ei synny hetkessä.
Vaikka tekoälyn suorituskyky varmasti vielä paranee, perustuu sen päättelykyky vain ja ainoastaan todennäköisyyksiin, matematiikkaan. Se ei haista tai maista. Se ei tunne empatiaa tai osaa muokata viestiään vastaanottajan kulttuuriin tai tunnetilaan sopivaksi. Sen sijaan tekoäly on jo nyt huomattavasti ihmistä kyvykkäämpi käsittelemään ja analysoimaan suuria tietomääriä systemaattisesti. Tunnistamaan etenkin harvinaisia ja monimutkaisia ilmiöitä ennen meitä.
Tulevaisuudessa meidän kannattaakin tehdä töitä yhdessä. Potilaiden parhaaksi. Mutta sitä ennen meidän tulee oppia luottamaan toisiimme.
Terveydenhuollon dosentti Enni Sanmark tutkii, miten generatiivinen tekoäly voisi helpottaa potilaiden diagnosointia perusterveydenhuollossa. Hän sai projektille marraskuussa 2024 Suomen Lääketieteen Säätiöltä tutkimusryhmn perustajan apurahan. Enni Sanmark on myös Duodecimin jäsen- ja viestintävaliokunnan puheenjohtaja.
Lähteet
Goh E et al., Large Language Model Influence on Diagnostic Reasoning: A Randomized Clinical Trial. JAMA Netw Open. 2024
Ryyppö R et al., Comparison of machine learning methods in the early identification of vasculitides, myositides and glomerulonephritides. 2024
Duodecim täyttää tämän vuoden marraskuussa 144 vuotta. Tässä Sairaan hyvä digiarki -blogisarjassa omien alojensa huippuammattilaiset pohtivat digitalisoituvan terveydenhuollon mahdollisuuksia ja sudenkuoppia.
————–
Lue muut sarjassa ilmestyneet kirjoitukset:
Vastaa