” … AI will soon diagnose better than doctors, but diagnosis is not all doctors do. Machines will augment the doctors ability to be accessible and affordable to all, and allow them to focus on what humans will be best at for a long time to come. This is a cooperation not a competition.” ”Ali Parsa, toimitusjohtaja, Babylon Health”

Reilu kuukausi sitten uutisoitiin brittien kansallisen terveyspalvelutuottaja NHS:n yhteistyöstä Babylon Health -yrityksen kanssa tavoitteenaan pilotoida tekoälyä hyödyntävää chat-palvelua ei-kiireellisissä neuvontapuheluissa. Kokeilussa on mukana viisi Lontoon kaupunginosaa, kattaen noin 1,4 miljoonan ihmisen väestöpohjan. Sensaatiomaisessa otsikossa yleislääkäreiden povattiin menettävän merkityksensä, sillä koneiden tekemän diagnostiikan oletetaan olevan tarkempaa, jos ei vielä, niin ainakin (lähi)tulevaisuudessa. Mutta onko lääkärin työ pelkästään diagnostiikkaa?

Monet kiirehtivätkin toteamaan ilmeisen vastauksen ”Ei!”. On helppo nimetä litania toimenpiteitä kiilaekskiisiosta kierukan asettamiseen ja monimutkaisempiin operaatioihin, missä chat-medisiinari tai juuri lääkiksestä päässyt tekoälykliinikko tuskin voi olla hyödyksi. On lisäksi selvää, että lääkärin työssä inhimillistä potilas-lääkärivuorovaikutuksen roolia voi tuskin liikaa korostaa. Mutta miten on sen tietokoneavusteisen diagnostiikan laita?

Kuinka hyvä tällaisen tekoälyn olisi oltava, jotta se voisi tehdä itsenäistä diagnostiikkaa? Ihmislääkärit ovat monessa suhteessa voimavaroiltaan rajoittuneita, lukuun ottamatta ortopedejä tietenkin. Millainen on ihmisen kyky hallita potilaan koko sairaushistoriaa, ympäristön altisteita, lääkitystä ja niiden yhteisvaikutuksia ja koko ajan suurempaan rooliin nousevaa genomitietoa? Parhaimmillaankin rajoittunut ja itseasiassa virheitä tehdään varsin taajaan. Arvioiden mukaan lääketieteellistä virhettä voidaan pitää kolmanneksi yleisimpänä kuolinsyynä, heti sydänsairauksien ja syövän jälkeen. Esimerkiksi USA:ssa se tarkoittaa 200 000 – 400 000 ihmisen kuolemaa vuosittain komplikaation, virhediagnoosin tai hoitovirheen seurauksena. Pitäisikö bittikollegan olla siis tarkkuudeltaan yhtä hyvä vai merkittävästi parempi kuin ihmiskollegansa?

Lääketieteen alalla erilaisista koneoppivaa tekoälyä hyödyntävistä sovelluksista on uutisoitu tiheään. Kehitys on ollut viime vuosina hyvin nopeaa ja välipaloiksi on napsittu niin maailman parhaita shakin pelaajia kuin Jeoprady!-tietovisan mestareitakin – molemmat tehtäviä, joita pidettiin pitkään ihmisälykkyyttä vaativina tehtävinä.

Tietokonejätti IBM:n Watson lienee näistä tekoälyohjelmista tunnetuin. Luonnollista kielen tietokonekäsittelyä (natural languge processing) hyödyntävä Watson ymmärtää sekä puhuttua että kirjoitettua kieltä, myös ei-strukturoidussa muodossa, mikä mahdollistaa tehokkaasti erilaisten tietokantojen käytön. Näin ollen Watson pystyy yhdistämään potilaan sairaushistorian, lääkityksen ja esimerkiksi syövän genotyypin käytännössä kaikkeen julkaistuun lääketieteelliseen kirjallisuutteen, ehdottaen eri hoitovaihtoehtoja. IBM on tehnyt yhteistyötä monien sairaaloiden kanssa erityisesti syöpätautien alalla, niistä kenties maineikkaimpia on Memorial Sloan Kettering Cancer Center New Yorkissa. Äskettäin on uutisoitu Watsonin muun muassa antaneen 1000 syöpäpotilaan materiaalissa 99 %:ssa tapauksista vastaavan hoitosuosituksen kuin potilaita tutkineet onkologit. Lisäksi 30 %:ssa tapauksista Watson antoi ylimääräisen hoitovaihtoehdon, jota ihmiskollegat eivät näyttäneet huomioineen. Ongelmitta ei silti olla selvitty, ja projekti MD Anderson Cancer Centerin kanssa lopetettiin tuloksettomana 62 miljoonan dollarin investoinneista huolimatta.

Myös kuva-analytiikan saralla koneoppivat algoritmit ovat edenneet harppauksin. Googlen on uutisoitu kehittäneen koneoppivan algoritmin, joka päihittää patologit rintasyövän diagnostiikassa, ei pelkästään nopeudessa, vaan myös tarkkuudessa. Toinen kuvantunnistusalgoritmi tunnisti ihosyövät vastaavalla tarkkuudella kuin 21 ihotautilääkäristä koostunut paneeli. Esimerkkejä putkahtelee jatkuvasti lisää.

Tietokoneavusteisen diagnostiikan tarve ja mahdollisuudet tulevat tulevaisuudessa lisääntymään. Elämme vaihetta, jossa kliinisen diagnostiikan tukena käytetään ja tullaan jatkossa käyttämään eksponentiaalisesti kasvava määrä dataa. Dataa, jonka hallitseminen ei enää onnistu ilman apuvälineitä. Kehittyneet ohjelmistot mahdollistavat ja tulevat mahdollistamaan aivan uudella tavalla ihmisen geenitiedon sekä terveydenhuollon tuottaman ja potilaan itse keräämän tiedon yhdistämisen. Järjestelmän avulla voidaan tehdä havaintoja ja assosiaatioita, joiden toteaminen on aiemmin ollut mahdotonta. Myös uusimman tutkitun tiedon käyttöönotto helpottuu ja nopeutuu. Kaikki tämä tuleekin nähdä ensisijaisesti mahdollisuutena kehittää diagnostiikan ja hoidon laatua, ei niinkään uhkana.

On varmasti paljon ongelmia ratkaistavaksi. Monet näistä liittyvät tietenkin ohjelmistojen toimivuuteen ja luotettavuuteen. Nykyisten potilastietojärjestelmien aikakaudella on ehkäpä korkealentoista visioida itsenäisistä diagnostiikkatietokoneista, kun eResepti-palvelut ja sekavat potilastietokannatkin takertelevat säännöllisesti. Tämän lisäksi epäselvyyksiä liittyy myös lainsäädäntöön ja vastuukysymyksiin. Kuka on vastuussa ohjelman itsenäisesti tekemästä virhediagnoosista? Toimiakseen tehokkaasti ja kehittyäkseen algoritmit tarvitsevat myös pääsyn potilastietokantoihin, mitä laajempiin sitä parempi. Tähän saattaa liittyä ongelmia potilaiden yksityisyydensuojan kannalta. Miten valvotaan, että tietoa käytetään oikein?

Missä ovat ihmislääkärin vahvuudet? Tietysti lääkäri on konetta parempi monessa suhteessa. Intuitio, kokemus, tunneäly, empatia, tilannenokkeluus ja vuorovaikutus. Lääkäri toimii tilanteissa, joihin liittyy vahvoja tunteita: iloa, epävarmuutta, ahdistusta, pelkoa tai surua. Inhimillisyyttä, humaaniutta voidaan pitää lääketieteen perustana. Usein on sanottu, että lääkäri voi harvoin parantaa, joskus lievittää, mutta aina lohduttaa. Jokaisella lääkärillä on tavaton määrä oman ihmiselämänsä omakohtaisiin kokemuksiin liittyvää yksilöllistä tietopääomaa, jonka muuntaminen ykkösiksi ja nolliksi ei koneälyltä onnistu, ei edes kaunokirjallisuutta tai elokuvia tulkitsemalla. Lääkäri käyttää potilaan hyväksi paitsi koulutustaan ja potilastyön tuomaa kokemusta, myös muita omia kokemuksiaan elämästä ja ihmisistä.

Diagnostiikka perustuu edelleen monilta osin potilaan fyysiseen tutkimiseen ja havainnointiin, mitkä ovat monilta osia vaikeita tai kalliita koneellistaa. Hyvinä esimerkkeinä ovat vatsan palpaatio tai nivelten stabiliteetin testaaminen. Miten bittitohtorilta onnistuisi psyykkisen tilanteen arvioiminen haastattelemalla? Usein kyse ei ole siitä mitä sanotaan, vaan miten sanotaan tai kuinka kysytään.

Lääkärien palkat ja päätökset ovat hyvin merkittävä kustannuserä terveydenhuollon menoista. Väestön ikääntyessä terveydenhuollon kustannukset nousevat hallitsemattomasti kehittyneissä maissa. Paineet terveydenhuollon kustannuksien kasvutahdin taittamiseen ovat kovat ja monet huutavatkin apuun automaatiota, tekoälyä tai etäpalveluita. Toisaalta pula lääkäreistä on jossain jopa Kainuutakin vaikeampaa: Mitä keinoälylääkäri voi tarjota kehittyvissä maissa, joissa lääketieteellisen hoidon piiriin pääseminen on usein äärimmäisen vaikeaa? Joka tapauksessa, ei ole vaikea kuvitella, että tällaisten apuvälineiden avulla terveydenhuollossa voitaisiin saada lisätehokkuutta – kohdistaa lääkärivoimavaroja niille sektoreille, joissa ihminen on ja tulee olemaan bittikollegaa parempi ja tarkoituksenmukaisempi.

Nyt markkinoille tulevat ohjelmistot ovat tekoälyä hyödyntävien kliiniseen työhön suunnattujen sovellusten varovainen lähtöpiste, ei huippu tai päätepiste. Kehitys tulee olemaan nopeaa ja muutos on varmasti paljon suurempaa seuraavien 20-30 vuoden kuluessa kuin, mitä lääketieteessä on tapahtunut vastaavana aikana taaksepäin, ja sekin muutos on ollut hyvin suuri. Usein on todettu, että lyhyellä aikavälillä kehitystä usein yliarvioidaan ja pitkällä aikavälillä aliarvioidaan. Luultavasti sama pätee tässäkin. Ainakin aluksi ohjelmistot tulevat toimimaan valtaosin työkaluina, mutta tulevaisuudessa yhä suuremman osan perustason työstä tekee tietokone. IBM:n Cognitive computing -osaston varajohtaja Guruduth Banavar korosti Babylon Healthin toimitusjohtaja Ali Parsan tavoin taannoisessa The Wall Street Journalin haastattelussa, että lääkärin ja tekoälyohjelmistojen suhteen tulisi olla kilpailun sijaan yhteistyö – tarkoituksena on yhdistää ihmisen vahvuudet niihin ominaisuuksiin, joissa tietokone on ihmistä parempi. Analogisesti, paraskaan shakkitietokone ei voita hyvän shakkitietokoneen ja hyvän shakinpelaajan kombinaatiota.

Tietokoneavusteinen ja tietokoneiden itsenäisesti tekemä diagnostiikka tulee varmasti ja se toimii jo monilta osin. Epäselvää on ennemminkin se, missä aikataulussa ja minkälaisin sovellutuksin sitä hyödynnetään. Nuorilääkäripäivien pre-event tulee pureutumaan muun muassa näihin teemoihin, tervetuloa!

 

Iiro Kauma

Kirjoittaja on nuori lääkäri, joka toivoo, että ilmastonmuutos ei ole sulattanut laskettelumahdollisuuksia siihen mennessä, kun chatbotti vie hänen työnsä.

 

Lisää luettavaa ja katsottavaa:

http://medicalfuturist.com/can-an-algorithm-diagnose-better-than-a-doctor/

http://medicalfuturist.com/top-artificial-intelligence-companies-in-healthcare/

https://www.ted.com/talks/daniel_kraft_medicine_s_future

https://www.ted.com/talks/jeremy_howard_the_wonderful_and_terrifying_implications_of_computers_that_can_learn#t-200871

https://www.youtube.com/watch?v=7Pq-S557XQU

https://www.youtube.com/watch?v=c30KenBrsjI