Googlen johtava tekoälytutkija Greg Corrado toppuuttelee valitsevaa tekoälyhypetystä. Sitran aamiaistilaisuudessa 31.5.2018 vierailleen tutkijakonkarin mielestä potentiaalista huolimatta tekoäly on ylimainostettua ja sen käytölle ladataan yhä liian suuria odotuksia.
Corrado aloittaakin aamun oikomalla virheellisiä käsityksiä ja selventämällä käsitteitä. Tekoäly yläkäsitteenä tarkoittaa koneiden kykyä reagoida tilanteisiin ihmisälyn kaltaisesti, kun taas sen yhdessä alalajissa koneoppimisessa puolestaan kone oppii toistuvista tilanteista ilman että sitä erikseen opetetaan. Tekoälyn nousun mahdollistavat uuden ja tehokkaamman laskentakapasiteetin lisäksi avoimen lähdekoodin työkalut ja softakehittäjien luovat ratkaisut.
Miten tekoälyä sitten voidaan hyödyntää terveydenhuollossa?
Tekoäly ei toistaiseksi ole muuttanut terveydenhuoltoa suuria datamassoja louhimalla tai vaikeimpia sairaustapauksia ratkomalla. Tekoälyn avulla voidaan tällä hetkellä vasta lähinnä tarjota dataan perustuvia ennusteita, helpottaa päivittäisiä rutiinitehtäviä sekä tunnistaa malleja ja toistuvuuksia ja niistä poikkeavuuksia. Tekoäly on erinomainen näissä korrelaatiotehtävissä, mutta toisaalta – ainakin vielä – huono kausaliteettitehtävissä.
Tulevaisuudessa nopeimmin ja hyvällä varmuudella sovellettavaksi alueeksi terveydenhuollossa Corrado näkee diagnostiikan. Tekoälyn avulla voidaan erottaa esimerkiksi diabeetikon ja terveen ihmisen silmän verkkokalvon erot, mutta sen lisäksi syväoppimisen myötä verkkokalvoja voidaan jo muutaman vuoden kuluttua hyödyntää myös sydän- ja verisuonisairauksien tunnistamiseen.
Tekoälyn avulla voidaan terveydenhuollossa vasta lähinnä tunnistaa toistuvuuksia ja poikkeavuuksia sekä luoda dataan perustuvia ennusteita.
Seuraavaksi todennäköisin soveltamisen ala on hoidonhallinta. Tekoälyn avulla voidaan tutkia potilastietoja useista lähteistä, esimerkiksi sairaaloista ja terveydenhuollon järjestelmistä sekä yhdistää niitä. Corradon mukaan useiden lähteiden ja signaalien avulla voidaan tehdä tarkempia ennusteita yhä varhaisemmassa vaiheessa.
Personoitu lääketiede on kolmas soveltamisen alue, mutta Corrado näkee sen todennäköiseksi vasta kauempana tulevaisuudessa. Yksilöllisten sairastumisriskiin ja hoitovaihtoehtojen valintaan vaikuttavien erojen kartoituksessa huolena on ihmisen muuttuminen ainoastaan dataksi, jolloin yksilön kohtaaminen sivuutetaan. Myös Corradon ja yleisön välisessä keskustelussa tuli esiin, että asiakkaan henkilökohtaiset näkemyksetkin voidaan ottaa mukaan tekoälyä hyödyntävään diagnoosintekoon, kunhan ne vain muokataan tallennettavaan ja luettavaan muotoon.
Tekoäly on siis lopulta vain työkalu, jonka hyödyllisyyden ratkaisee se, miten sitä osataan käyttää. Toimiakseen kunnolla algoritmit ja mallit tarvitsevat ensin osaavia ihmisiä luomaan niitä sekä massoittain laadukasta dataa (koneoppimisen tapauksessa laadukasta opetusdataa varustettuna oikeilla päätelmillä). Esimerkiksi Sitran Kardiokompassi-hankkeessa ja Hoitovajeanalyysissa data on jo valjastettu hyötykäyttöön ihmisten auttamiseksi.
Sitran rakentaa IHAN®-projekteissa ekosysteemiä reiluun ja ihmislähtöiseen datatalouteen, ja sitä pilotoidaan esimerkiksi hyvinvointiin ja terveyteen liittyvissä hankkeissa. Datataloudessa tekoälyä tarvitaan työkaluksi valtavien tietomassojen reaaliaikaiseen analysointiin, jotta yksilöitä hyödyttäviä uudenlaisia palveluita voidaan rakentaa.
#IHAN
Suosittelemme
Tästä eteenpäin.