Lasse Lehtonen kohtaa opiskelijat

Moni ei ehkä tule ajatelleeksi, miten laajaa ja monipuolista toimintaa terveydenhuollon diagnostiikka on. Tai sitä, miten valtavat datamäärät sitä nykyisin ohjaavat. Pääsimme kuuntelemaan HUSin Diagnostiikkakeskuksen johtajan Lasse Lehtosen ajatuksia diagnostiikan nykytilasta ja tulevaisuuden mahdollisuuksista. Lehtosella on sekä lääke- että oikeustieteen tohtorin tutkinto ja professorin virka Helsingin yliopistossa ja ennen kaikkea vahva yhteiskunnallinen näkemys siitä mihin suuntaan terveydenhuolto on menossa.

Diagnostiikkakeskus

Vaikka diagnostiikka ei ole potilaan hoitoa, niin potilaan hoito perustuu diagnoosin eli taudinmääritykseen. HUSin Diagnostiikkakeskus tekee vuosittain valtavan määrän tutkimuksia (esimerkiksi yli 25 miljoonaa laboratoriokoetta ja runsaat miljoona kuvantamistutkimusta). Työntekijöitä on 3 400, mukana lääkäreiden ja bioanalyytikoiden lisäksi myös vaikkapa diplomi-insinöörejä.

Lehtonen painotti, että Diagnostiikkakeskusta voi pitkälti ajatella teollisena toimijana. Prosesseja on hiottu vuosikymmeniä, jotta mittavat volyymit saadaan käsiteltyä tehokkaasti. Sama pätee tietojärjestelmiin, joissa on jo 20 vuoden ajan tähdätty siihen, että data kertyisi mahdollisimman kattavasti ja olisi helposti hyödynnettävissä. Laboratorio- ja kuvantamistutkimusten puolella digitaalinen tallennus on aloitettu aikaisin, 30 vuotta sitten labroissa ja noin 20 vuotta sitten kuvantamisessa.

Implementointi ja sääntely

Lehtosen mukaan HUSissa on tällä hetkellä digitaalisesti tallennettuna noin 3,5 miljoonan potilaan tietoja, yli miljardin laboratoriotuloksen kokonaisuus, kymmeniä miljoonia tekstiraportteja ja useita kymmeniä miljoonia kuvantamistutkimuksia. Kansainvälisesti vertaillen datamäärä on suuri nimenomaan siksi, että digitaalinen tallentaminen aloitettiin aikaisin eikä sen takia, että potilasmäärät olisivat erityisen isoja.

Kun tekoälysovellukset tekevät tuloaan terveydenhuoltoon tätä dataa voidaan hyödyntää mallien kehityksessä ja validoinnissa. Tekoälyalgoritmit eivät välttämättä toimi suoraan eri populaatiossa tai erilaisilla laitteilla. Esimerkiksi Yhdysvalloissa tietylle laitetyypille kehitetty algoritmi ei aina “istu” HUSissa käytössä oleviin Siemensin laitteisiin. Jokainen algoritmi joudutaan validoimaan ja testaamaan alusta alkaen ja jopa puolet karsitaan pois, koska ne eivät tuota toivotunlaista tulosta. Radiologian puolella HUS pyrkii ottamaan käyttöön peräti 20 tekoälymallia vuodessa.

Tekoälyn kehityksessä huomiota herättää myös raskas sääntely. Pääsääntöisesti henkilötietojen käsittelyä, lääkintälaitteita ja tekoälyä koskeva sääntely perustuu Euroopan Unionin säädöksiin. Tavoite yhdenmukaisista säädöksistä sopii hyvin yhteismarkkinan perusajatukseen. Lehtonen kuitenkin huomauttaa, että käytännössä on tullut sääntelyähkyä. “Esimerkiksi jenkkeihin verrattuna nykyinen järjestelmä on merkittävästi raskaampi ja se näkyy myös hyväksyttyjen uusien teknologioiden määrässä (FDA luokkaa 2 kertaa enemmän kuin EU). Lehtonen lisää “Joku vitsiniekka totesi, että kun USA:ssa on 11 pelaajaa ja yksi tuomari kentällä, niin EU:ssa 3 pelaajaa ja 9 tuomaria.” Myös Kiinassa kehitys on vauhdikasta. Tosin siellä ei ihmisoikeuksista tai tietosuojasta välitetä. Samat valvonta-algoritmit sopivat hyvin kasvainten tunnistamiseen.

Vaarana on kuitenkin jäädä pahasti jälkeen. Esimerkiksi kuvantamislaitteen tuominen markkinoille, missä tekoälyä hyödynnettäisiin kuvan nopeampaan muodostamiseen, tieto siirretään potilastietojärjestelmään ja sitä käyttäisi erilaiset toimijat, täytyisi huomioida ainakin lääkintälaitesäännökset, tekoälyalgoritmiin liittyvät säännökset ja tietosuojasäännökset. Monesti vielä suomalaiset virkamiehet tulkitsevat sääntöjä todella tiukasti, mikä tuo eroja EU maiden välille.

Tekoälyn laajat hyödyt ja eettiset kysymykset

Diagnostiikassa tekoälyn näkyvin puoli on usein tekoälyavusteinen tulkinta, joka on nykyisin Lehtosen mukaan käytännön arkipäivää. Esimerkiksi radiologin työtä voidaan nopeuttaa siten, että algoritmit analysoivat eturauhasen magneettikuvia ja laskevat automaattisesti esimerkiksi mahdollisen kyhmyn koon. Tämä vähentää radiologin manuaalista työtä, mikä puolestaan tehostaa palvelua ja parantaa tuottavuutta. Tällä hetkellä tekoäly ei anna koko diagnoosia, vaikka sekin päivä vielä tulee.

Diagnoosin tukemisen lisäksi tekoälystä on hyötyä terveydenhuollon “tuotantotaloudessa.” Esimerkiksi potilaiden luokittelu kiireellisyyden mukaan tai jonojen hallinta on mahdollista, mutta herättää kysymyksen onko se oikeudenmukainen jono eli onko siellä joku valintaperuste mikä ei kestäisi tarkastelua. Ainahan yrityksenä on, että ne tehtäisiin lääketieteellisin perustein.

Potilaiden riskiluokittaminen tai laittaminen kiireellisyysjärjestykseen on lääketieteellisesti tarkoituksen mukaista, mutta silloin korkean riskin järjestelmissä on ensisijaisen tärkeää olla hyvä lähtödata, jotta voidaan välttää erilaiset vinoumat ja harhat. Kuitenkin terveydenhuollossa heikko lähtödata on melko yleinen ongelma. Ala on hyvin tietointensiivistä eli kirjataan paljon ja kerätään paljon tietoa, mutta usein tiedon keräämisen pakko johtaa “sinne päin” dataan. Jos algoritmia lähdetään rakentamaan sen kaltaisen tiedon varassa, niin lopputulos on sen mukainen – garbage in, garbage out.

Oikeassa maailmassa priorisointi ei muutenkaan ole kovin suoraviivaista. Lehtonen havainnollistaa ongelmaa hypoteettisella tilanteella, jossa nivelrikkoon ja psykiatriaan on jonoja, pistät ne vastakkain ja pitäisi päättää kumpi on sitten yhteiskunnallisesti tärkeämpää, että joku kolmekymmentäviisivuotias ahdistuksen takia sairaslomalla oleva saa hoitoa tai se, että joku kuusikymppinen ylipainoinen saa tekonivelen. Ei helppoa. Toisin sanoen näihin sisältyy aina myös jonkinlaista yhteiskunnallista arvottamista.

Toinen tekoäly keskusteluissa helposti sivuun jäävä osa, jota löytyy jo tuotannosta, on laadunvalvonta. Kuvantamistutkimuksissa tekoäly voi arvioida kuvanlaatua automaattisesti: onko röntgenkuvan tummuus kohdallaan, näkyvätkö kaikki keuhkolohkot? Aiemmin tämä oli manuaalista työtä, jota tehtiin harvakseltaan otannalla, mutta nyt algoritmi voi tehdä saman arvioinnin jatkuvasti.

Katse tulevaisuuteen

Lehtosta kiinnostavat etenkin tekoälyn kyvyt ennustemalleissa. Jos ihmisestä on riittävästi dataa ja hänelle pystytään luomaan “digitaalinen kaksonen.”  Sitä voidaan ajatella eräänlaisena virtuaalisena lähtötilanteena ja kehityskulkuja voi tarkastella ja simuloida etukäteen. Tällaisella ratkaisulla voisi joissain tapauksissa ennakoida sairauksien puhkeamista tai tutkia miten erilaiset hoitomuodot vaikuttaisivat juuri tähän yksilöön. Se on monella tapaa futuristinen ajatus, mutta teknologia kehittyy nyt nopeammin kuin moni uskaltaisi ennustaa.

Etädiagnostiikka ja etäseuranta laajentavat terveydenhuollon pelikenttää, mutta luovat myös uudenlaisia haasteita. Kuinka moni on valmis “terveyspoliisin” jatkuvaan valvontaan, joka muistuttelee huonoista elämäntavoista? On myös tärkeää miettiä, miten tehokasta tai taloudellista on hajauttaa diagnosointi. Tällä hetkellä keskitetyt laboratorio- ja kuvantamispalvelut ovat yksikkökustannuksiltaan selvästi halvempia ja monien iäkkäiden tai monisairaiden potilaiden toimintakyky ei riitä “kotilaitteilla säätämiseen”.

Toisaalta on myös lukuisia etäseurannan sovelluksia, joista on kiistatta hyötyä. Lehtonen kertoo, että sydämen vajaatoimintaa ja tiettyjä muita sydänsairauksia voidaan valvoa etänä ja se on osoittautunut hoidollisesti merkittäväksi, turvalliseksi ja kustannustehokkaaksi. Kuluttajateknologia, kuten älysormukset ja -kellot, tarjoaa mielenkiintoisia mahdollisuuksia hyvinvoinnin seurantaan, mutta sen käyttäjät ovat pääosin terveitä ihmisiä. Tällaisessa perusterveessä väestössä todellisia löydöksiä ilmaantuu lopulta hyvin harvoin, joten jatkuva seuranta on lääketieteellisesti tarpeetonta. Jatkuva seuraaminen esimerkiksi unen osalta voi olla loppujen lopuksi vain haitallista, jos liikaa miettii numeroita. Lehtonen toteaa hauskasti, että täytyy olla hieman hölmö, jos tarvitsee aamulla sormuksen kertomaan miten on yönsä nukkunut. Me nuoret voimme olla eri mieltä, mutta lääketieteessä on aika hyvin mietitty millaisilla mittauksilla sairaustilanteissa saadaan terveyshyötyä aikaiseksi.

Kärkimaa Suomi

Google teki viime keväänä arvion eri maiden valmiuksista hyödyntää tekoälyä terveydenhuollossa ja sen tulokset vahvistivat Lasse Lehtosen havaintoja. Suomi on sekä infrastruktuurin että teknologisen osaamisensa puolesta aivan kärkitasoa. Olemme digitalisoineet terveydenhuoltoa jo 30 vuotta ja yhdessä Tanskan kanssa keikumme monissa vertailuissa kärkimaina. Silti, kun siirrytään varsinaiseen kaupallistamiseen ja liiketoimintojen rakentamiseen, putoamme aivan häntäpäähän. Onkin hyvä kysymys johtaako lisäpanostukset tutkimuksiin ja tuotekehitykseen mihinkään hyödylliseen kaupalliseen toimintaan ja kasvuun?

Ei se toivotonta ole. Suomessa on merkittäviä lääkintäteknologia-alan yrityksiä kuten Planmeca, jolla on vahva osaaminen kuvantamislaitteissa ja GE, joka ylläpitää edelleen tuotantotoimintaa Suomessa. Lisäksi Siemensosti aikoinaan Varian-nimisen yrityksen, joka tekee sädehoitolaitteita ja jonka noin kolmensadan hengen kehitysyksikkö Helsingissä kehittää tekoälypohjaisia ohjelmistoja syöpähoitojen suunnitteluun. Suomi on siis suhteessa väkilukuunsa merkittävä lääkintälaite- ja teknologiatoimija ja julkisella terveydenhuollollamme on pitkät perinteet yhteistyössä näiden yritysten kanssa.

Rahoitus on kuitenkin kriittinen pullonkaula. Terveysteknologian kehittäminen on kallista ja Suomessa on krooninen puute pääomista. Lehtonen viittaa 1990-luvun pankkikriisiin, joka muutti kotimaista omistusrakennetta ja siirsi pääomat pitkälti eläkevakuutusyhtiöihin. Niiden kytkeminen korkean riskin teknologiasijoituksiin on tiukasti rajattua, mikä hidastaa alan kasvua. Tämä on valitettavaa, sillä tätä menoa olemme siirtymässä tytäryhtiötalouteen, jossa menestyvät yritykset saatetaan ostaa ulkomaille heti kun ne saavuttavat keskisuuren liikevaihdon ja kehitys karkaa samalla pois Suomesta.

Suomalaiset eivät ole myöskään kaikkein taitavimpia hyödyntämään EU:n investointirahastoja. Olemme ilmeisesti suomessa niin rikkaita ja hyvinvoivia, että voimme maksaa Italiankin hankkeet. EU investointeja monesti jaetaan koon mukaan, mutta esimerkiksi Ruotsi ottaa suhteessa moninkertaisesti enemmän rahaa kuin me. Tämä on todella harmittavaa, koska näitä infrastruktuuri investointeja olisi nyt suomessa tarpeen tehdä. Talous on ollut vahvasti alijäämäinen jo monta vuotta. Kyllä mekin ansaitsemme sitä EU:n tukea näille omille kehitysinvestoinneillemme. Tässä kuitenkin Lehtosen mukaan suomalaiset ministeriöt ja virastot ovat avuttomia.

Toistaiseksi Suomi pysyy kuitenkin lääkintälaiteteknologian saralla vahvana osaajana ja Lehtonen kertoo julkisen terveydenhuollon puolesta “koko ajan etsivänsä” uusia mahdollisuuksia yhteistyölle yritysten kanssa.

Yhteenveto: suuri potentiaali, suuret kysymykset

Lehtosen ajatuksissa toistuu vahvasti ajatus siitä, että Suomessa on erinomainen kyvykkyys ja pitkät perinteet terveydenhuollon digitalisaatiossa, mutta kaupallistaminen jää usein puolitiehen. Rahoituspuoli on haaste ja sääntely on vaarassa mennä yli. Samalla meidän on pohdittava yhteiskunnallisesti, millä tavoin tekoälyä käytetään ihmisten hyväksi ja miten haitat minimoidaan.

Ehkä jo kymmenen vuoden päästä meillä on käytössä laitteita, jotka tuntuvat tänä päivänä scifi-elokuvasta poimituilta. Lehtonen käyttääkin usein vertauskuvana Star Trekin “tricorderia”. Pientä laitetta, jolla pystyy yhdellä skannauksella selvittämään, mikä potilasta vaivaa. Lopuksi Lehtonen vielä toteaa, että SOTE-maailma on muuten aika tylsää, kun rahat ovat vähissä ja hallinto on raskasta, mutta kyllä tämä teknologian kehitys on aivan huikeata, eikä tarvitse kuin vilkaista viime vuosikymmenen harppauksia nähdäkseen, miten nopeasti maailma muuttuu!

Lehtonen lähti kokouksesta suoraan lentokentälle kohteena aurinkoinen Portugali. Kuka tietää, ehkä pienen hengähdystauon jälkeen innovaatioiden lista kasvaa entisestään. Itseäni tämä ainakin inspiroi.