Tekoäly on hyvä suurten tietomäärien käsittelyssä, jopa ihmistä parempi ja nopeampi. Hyvä työkaveri, mutta sataprosenttisesti siihen ei voi luottaa, muistuttaa aihetta Apollonia Symposiumissa käsittelevä saksalaisprofessori Falk Schwendicke.
Schwendicke on yksi Euroopan johtavista hammaslääketieteeseen liittyvän tekoälyn tutkijoista. Schwendicke toimii professorina sekä konservatiivisen hammashoidon ja parodontologian klinikan johtajana Ludwig-Maximilians-Universitätissä (LMU) Münchenissä.
Lehti kysyi hänen ajatuksiaan siitä, missä tekoälysovellusten kanssa mennään hammaslääketieteessä, millaista arvoa ne tuovat työhön ja millaisia riskejä tulisi ottaa huomioon.
Tekoälystä on jo nyt apua
Vuoden 2024 kemian Nobel-palkinnon sai kolme proteiinitutkijaa, joiden kehittämä tekoälyjärjestelmä ennustaa proteiinin kolmiulotteisen rakenteen ja luo täten pohjaa esimerkiksi lääkekehitykselle. Myös fysiikan palkinto meni tekoälyä hyödyntäville tutkijoille.
Tekoälyn esiinmarssi on ollut nopeaa laajalla rintamalla. Myös terveydenhuolto etsii tekoälystä tukea työkuormaansa ja kehittää kapeisiin tehtäviin valjastettavia sovelluksia.
Terveydenhuoltoon tekoäly tulee tosin hieman hitaammin alan tarkan säännöstelyn ja turvallisuuden erityisvaatimusten takia. Hammaslääketieteessäkin on silti päästy jo askeleita eteenpäin.
– Meillä on jo nyt erilaisia sovelluksia, joissa tekoälyä käytetään diagnostiikan ja hoidon tukena. Käytämme pian lisättyä todellisuutta ja virtuaalitodellisuutta monissa tapauksissa, ja mielestäni on aika ottaa nämä teknologiat käyttöön, koska niistä on jo nyt apua, Falk Schwendicke sanoo.
Olisi tärkeää, että kaikki hammaslääkärit pysyisivät ajan tasalla tekoälyn kehityksestä ja osaisivat arvioida kriittisesti sen tarjoamia ratkaisuja.
Jotta tekoälyn apu ja tuki saataisiin käyttöön, tulisi hammaslääkärien ymmärtää tekoälyn ja siihen liittyvän datan perusluonne: miten data on kerätty, miten tekoäly toimii ja mitä riskejä tähän liittyy.
Schwendicke myös muistuttaa, että sovelluksista tulee hyödyllisiä silloin, kun ihmiset näkevät niiden arvon ja hyödyllisyys saadaan todistettua.
– Koulutus on tässä avainasemassa.
Harvinaissairauksista hahmontunnistukseen
Tekoälysovelluksia on kehitetty kansainvälisesti lähes kaikille hammaslääketieteen osa-alueille.
Sovellukset voivat esimerkiksi analysoida ja poimia poikkeamia erityyppisistä röntgenkuvista, havaita kariesta ja parodontiittia, tukea oikomishoidossa hoitosuunnitelmien tekoa ja arvioida kasvun kehitystä, paikantaa alaleuan hermokanavia ennen leikkausta, koota esitietoja potilaista, tunnistaa riskejä ja auttaa kirjaamisessa puheentunnistuksen avulla.
Lääketieteen puolella tekoäly muun muassa tunnistaa harvinaissairauksia, ja hahmontunnistukseen perustuvat sovellukset ovat oppineet hälyttämään poikkeavuuksista esimerkiksi mammografiatutkimuksissa.
Suomessa hammaslääkärien arkikäytössä on muun muassa röntgenkuviin liittyviä sovelluksia, joilla voidaan tunnistaa kuvasta tai kuvatilavuudesta rakenteita ja patologisia muutoksia.
Tekoälyä käytetään myös implanttisuunnittelusovelluksissa ja potilastietojärjestelmissä. Se on myös osa hammaslääketieteen koulutusta, jossa tekoälyä hyödynnetään muun muassa virtuaalis-haptisissa harjoittelulaitteissa.
– Tekoäly tekee meistä parempia esimerkiksi diagnostiikassa, virtaviivaistaa prosessejamme muun muassa raportoinnissa ja voi tukea kommunikointia potilaiden kanssa.
Ennusteita, visualisointeja ja tarkkuutta
Monia rutiinitöitä voitaisiin siirtää tekoälylle, jolloin hammaslääkäreille jäisi enemmän aika potilaan
kuunteluun.
Tekoälyn tuottamat ennusteet voivat myös auttaa potilaita ymmärtämään hoidon vaikutuksia paremmin, esimerkiksi visualisoimalla ennen ja jälkeen -tilanteita hoidon tuloksista. Tämä voi lisätä potilaan sitoutumista hoitoon ja parantaa hoidon lopputulosta.
Tekoäly voi tuoda työkaluja tarkkuuteen, ennakointiin ja yksilölliseen hoidon suunnitteluun. Tutkijat ovat todenneet, että tekoälyn nopeus on aivan omaa luokkaansa verrattuna ihmiseen. Lisäksi se jaksaa toistaa työtehtäväänsä kerta toisensa jälkeen.
Ei vielä täydellisiä sovelluksia
Vaikka tekoäly tuo työhön monia apuja, sen käytössä on myös haasteita. Tekoälyltä odotetaan ihmisten päätöksenteon autonomian kunnioitusta, lisäksi toiveena on luotettavuus, toistettavuus, tarkkuus, selitettävyys ja läpinäkyvyys. Yksi keskeisin haaste on datan laatu eli se, kuinka monipuolisella datalla tekoälymalli on koulutettu.
– Sovellukset eivät ole vielä vähään aikaan täydellisiä. Mukana on automaatioharhaa, haasteita tietojen yleistettävyyden ja tietojen läpinäkyvyyden kanssa. Tietyille vinoumille emme voi tehdä paljoakaan, vaan meidän tulee kouluttaa ihmisiä tiedostamaan nämä.
Sitä, miten tekoälymalli päätyy tiettyyn ratkaisuun, ei aivan varmuudella voida tietää.
Mallien läpinäkyvyyden lisäämistä tulisikin tutkia lisää. Monia mietityttää myös yksityisyyden suoja ja luottamuksellisuus käsiteltäessä sähköisiä terveystietoja.
Paljon on pohdittu myös tekoälyn hyötyjen keskittymistä hyvinvointivaltioihin, jolloin edistysaskeleet eivät ole kaikkien saatavilla. Ja kuka kantaa vastuun, jos tekoälyalgoritmi tekee virheen?
Tutkimus käännettävä käytännöiksi
Tekoälytutkimuksen kasvu on ollut räjähdysmäistä. Tutkimustiedon kääntäminen käytännöiksi on puolestaan suhteellisen hidasta.
– Ensinnäkin taustalla on lääketieteellisten laitteiden tiukka sääntely. Toiseksi tietomuotoja ja tiedonvaihtoa ei ole standardisoitu ja data on usein siiloissa, eivätkä eri järjestelmät keskustele keskenään. Tämä vaikeuttaa tekoälyn integroimista järjestelmiin.
Schwendicke pitää tärkeänä projekteja, jotka vievät tutkimustiedon käytännöiksi terveydenhuoltoon. Työhön tarvitaan monen sidosryhmän sitoutumista ja myös kannustusta etulinjan pellepelottomille.
– Tarvitsemme useita toimijoita: valtiotason säännöstelyä, toisaalta ohjelmistoyrityksiä ja teollisuutta, jotka voivat rakentaa infrastruktuuria, ohjelmarajapintoja – API:a [application programming interface] ja tuotteita, sekä akateemisia tahoja tutkimaan ja kehittämään perusteknologiaa.
Ajatus tekoälysovelluksista, jotka olisivat yhtä helppoja käyttää muutamalla klikkauksella kuin kännykkämme, houkuttelee Schwendickea.
Rinnalla kulkijaksi
Terveydenhuollon haasteita voidaan parhaiten ratkaista yhdistämällä tekoälyn ja ihmisen älykkyys – laajentamalla älykkyyttä. Tekoälyltä voi saada mielipiteen tai vinkin, mihin suuntaan voisi katsoa, ja tukea päätöksentekoon, mutta hoitopäätöksiä se ei tee.
– Mielestäni tukiäly [augmented intelligence] on hyvä termi. Se korostaa, että tekoäly ei toimi itsenäisesti, vaan meidän kanssamme. Saa nähdä, tarttuuko termi todella käyttöömme.