Koneäly tulee korvaamaan osan lääkärien töistä 20 vuoden aikajänteellä. Muutos tulee koskemaan erityisesti diagnostisia aloja. Uhkaako teknologia lääkärien työllisyyttä samaan tapaan kuin itseohjautuvat autot uhkaavat kuljetusalan ammattilaisia?

Geoffrey Hinton, eräs koneoppimisen uranuurtajista, on hiljattain todennut haastattelussa, että “radiologien kouluttaminen pitäisi lopettaa” sillä “on täysin selvää, että viidessä vuodessa syväoppimismallit suoriutuvat paremmin kuin radiologit”. Vaikka Hintonin lausahdus lienee yliampuva provokaatio, moni erikoisalaansa pohtiva saattaakin miettiä, minkälainen vaikutus kognitiivisilla teknologioilla tai koneälyllä tulee olemaan lääkärien työllisyyteen ja toimenkuviin.

Teknologinen työttömyys on aiemmin koskenut lähinnä mekaanisia tehdastöitä matalasti koulutetuilla aloilla. Nykyään teknologia kuitenkin uhkaa töitä koulutustasoon katsomatta. Asiantuntijoiden mukaan tärkein automaatioriskiä ennustava tekijä on se, kuinka rutiininomaista työ on: mitä selkeämmin rajatusta ja rutinoidusta työtehtävästä on kyse, sitä suurempi on automaation riski.

Lääkärien työtä voi yksinkertaistaen tarkastella jaoteltuna kolmeen komponenttiin: diagnostiikkaan, hoitovaihtoehtojen arviointiin ja toimenpiteisiin. Koneäly on näistä kolmesta erityisen hyvä diagnostiikassa. Oli kyse sitten kuvista (radiologia, patologia, ihotaudit) tai signaalidatasta (EKG, EEG, ENMG) koneäly saavuttanee 20 vuoden aikajänteellä lääkäreihin verrattavan tason yleisimmissä diagnostisissa ongelmissa. Hoitovaihtoehtojen arviointi on kuitenkin puolestaan hankalammin automatisoitavissa, sillä vaikka kone pystyisi arvioimaan tutkimustiedon perusteella onnistuneesti riskejä ja hyötyjä eri hoitovaihtoehdoissa, on hoitosuunnitelman räätälöinti yksittäisen potilaan toiveisiin, arvoihin ja elämäntilanteeseen koneelle vaikeaa. Samoin kirurgia ja toimenpiteet lienevät hankalasti automatisoitavissa, vaikka kenties jatkossa robottikirurgi suorittaa joitain rajattuja ja yleisiä toimenpiteitä, kuten kaihileikkauksia.

Eri erikoisaloista koneälyllä tulee luultavasti olemaan suurin vaikutus diagnostisiin aloihin, kuten radiologiaan, patologiaan, ja kliiniseen neurofysiologiaan. Harvinaisuuksia ja poikkeuksia lukuun ottamatta, näillä aloilla on olemassa aika lailla suoraviivainen vastaus datantulkintaan liittyviin ongelmiin. Vaikka vastaus ei olisi suoraviivainen, pystynee toisen alan lääkäri tulevaisuudessa ilman diagnostisen erikoisalan lääkäriä tulkitsemaan monia tutkimustuloksia koneen lausuntojen ja dataan tekemien merkintöjen avulla.

Muun muassa Suomalainen Aiforia-yritys on kehittämässä histopatologisten kuvien analyysia avustavaa ja automatisoivaa teknologiaa syväoppimista hyödyntämällä. Yhdysvalloissa FDA on tänä vuonna hyväksynyt ensimmäisen koneälyyn perustuvan diagnostisen algoritmin, joka ei vaadi lääkärin osallistumista prosessiin. Tämä IDx-DR -ohjelmisto analysoi silmänpohjakuvista automaattisesti diabeettisen retinopatian löydökset.

Diagnostisillakaan aloilla kone ei varmasti korvaa lääkäreitä kokonaan, mutta työmarkkinat voivat silti muuttua. Jos kone hoitaa ainakin osan rutiinitehtävistä täysin itse, tai toisen alan lääkärin avulla, vähenee tarvittava työmäärä. Toisaalta, kun yksittäisen erikoislääkärin työn tehokkuus kasvaa koneen avustaessa rutiinitehtävissä, tarvitaan vähemmän lääkärityöpanosta. Edelleen, koneälyn ja päätöksenteon tukijärjestelmien avulla erikoistuneet hoitajat voivat hoitaa osan lääkärien töistä. Viimeksi mainittu skenaario on ehkä tärkein tapa, jolla kognitiiviset teknologiat voivat vaikuttaa koko lääkärikunnan työllisyyteen. Erikoistuneet kliiniset asiantuntijasairaanhoitajat voivat tulevaisuudessa korvata teknologian tuella esimerkiksi terveyskeskuslääkärien työpanosta.

Edellä mainitut seikat eivät kuitenkaan välttämättä vähennä lääkärien töitä. Tarvittavan työn määrä ei ole vakio, vaan teknologia luo uudenlaisia työtehtäviä automaation ympärille. Teknologian tehdessä diagnostiikasta halvempaa, tehdään diagnostiikkaa enemmän, jolloin tarve lääkärien muulle työlle kasvaa. Tämä johtuu siitä, että diagnostiikka ja muu kliininen työ ovat ns. komplementtihyödykkeitä: kun toinen halpenee, toisen kysyntä kasvaa (kuten kahvi ja kahvimaito). Pankkiautomaatit eivät tehneet pankkivirkailijoista työttömiä, vaikka ne korvasivat ison osan virkailijoiden työstä. Pankkiautomaattien ajatellaan lisänneen pankkikonttorien määrää tehdessään niiden pyörittämisestä halvempaa, jolloin pankkivirkailijoita tarvittiin enemmän myynti- ja asiakaspalvelutyöhön.

Koneäly tuskin tekee lääkäreistä työttömiä. Eri erikoisaloilla tulisi kuitenkin kiinnittää ajoissa huomiota mahdollisiin muutoksiin työmäärissä ja osaamistarpeissa. Luulisin esimerkiksi, että radiologialla tarve natiivikuvien lausumiseen käytettyyn työpanokseen laskee 20v aikajänteellä. Jatkossa tarvitaan myös lääkäreitä, jotka ovat perehtyneet koneälytyökalujen käyttöön ja rajoituksiin. Kognitiiviset teknologiat tuovat mukanaan epävarmuutta, mutta myös mahdollisuuksia: koneen hoitaessa rutiinitehtäviä, voivat lääkärit siirtyä tekemään vaativampia ja monipuolisempia tehtäviä, joiden vuoksi moni on varmasti alalle alun perin hakeutunutkin.

 

Sakari Jukarainen

Kirjoittaja on anestesiologiaan ja tehohoitoon erikoistuva lääkäri, joka on lähdössä syksyllä 2018 Harvardin yliopistoon opiskelemaan datatiedettä ja toimii Nuori Lääkäri -lehden Yhdysvaltain kirjeenvaihtajana.