NIDE 29, NUMERO 4 • JOULUKUU 2025.
”Potilaan hoidon salaisuus on potilaan hoidossa” – Dr. Peabody
Jollekulle, joka ei itse hoida potilaita, radiologian ala näyttää olevan kypsä tekoälyn korvaamaan ihminen. Loppujen lopuksi toisto, hahmontunnistus ja näennäisesti objektiivinen diagnostiikka määrittelevät alan. Vuoden 2016 Torontossa pidetyssä Machine Learning and Market for Intelligence -konferenssissa tunnettu tietojenkäsittelytieteilijä ja Turing-palkinnon voittaja Geoffrey Hinton ilmoitti kuuluisasti, että radiologi on kuin "kojootti", joka ei ole tajunnut, ettei "heidän allaan ole maata" ja että "meidän pitäisi lopettaa radiologien kouluttaminen nyt, se on täysin ilmeistä...", yleisön nauruun.1 Lähes kymmenen vuotta myöhemmin radiologien kysyntä ylittää selvästi tarjonnan. Radiologia on yksi Yhdysvaltojen parhaiten palkatuista erikoisaloista, ja vuonna 2025 tarjottiin ennätysmäärä erikoistumispaikkoja. Tämä siitä huolimatta, että lähes 80 % kaikista FDA:n hyväksymistä tekoälyllä varustetuista lääkinnällisistä laitteista luokitellaan radiologian alaisuuteen.2, 3 Laboratoriokokeen tarkkuus on aina riittämätön mittari älykkäälle ja empaattiselle potilashoidolle. Tekoälyn kehittyessä on todennäköistä, että radiologin rooli kehittyy "informaatioasiantuntijaksi", joka integroi ja tulkitsee monimutkaista tietoa eri kliinisistä ja kuvantamismarkkereista diagnostisen tarkkuuden parantamiseksi ja hoidon ohjaamiseksi.4 Radiologian esimerkki toimii opetuksena muulle lääketieteelle ja niille, jotka pyrkivät parantamaan sitä.
Keskustelussa tekoälyn roolista lääketieteessä on tapahtunut vähäeleinen mutta selvä muutos. Oletukset tekoälyn korvaavan lääkärit on korvattu keskustelulla järjestelmäpohjaisista parannuksista potilashoidon parantamiseksi. Toisin sanoen, esteiden poistaminen lääkäreiden lääkärinä toimimiselleVuonna 2025 hallinnollinen taakka, mukaan lukien sieluttomat moduulit, tekniset ongelmat (kuolema 1 000 klikkauksella), dokumentointivaatimukset, riittämätön kliininen tuki puheluiden ja viestien muodossa sekä hyväksyttyjen testien ja hoitojen vakuutusyhtiön hyväksynnän tarve, on kaapannut potilas-lääkäri-kokemuksen ja -suhteen sekä siitä johtuvan hoidon laadun.5 Tekoälyn käyttöä näissä tilanteissa tutkitaan. Ambient scribing -teknologia pystyy litteroimaan lääkärin ja potilaan keskusteluja klinikalla, jolloin lääkärit voivat keskittyä potilaisiin ja heidän tarpeisiinsa ilman huolta samanaikaisesta dokumentoinnista. Sallimalla lääkärin ja potilaan keskustelun keskeytymättä, he todennäköisesti parantavat käynnin diagnostista ja terapeuttista arvoa.6 Näiden kirjurien on osoitettu parantavan siihen liittyvää loppuunpalamista.7 Samoin tekoäly voi auttaa sairaalahoidon dokumentoinnissa8resurssien kohdentamisen parantaminen raportoimalla laatumittauksia murto-osalla ajasta ja kustannuksista9, virtuaaliassistentteja lääkitysmuistutuksiin ja ajanvarauspyyntöihin sekä vakuutusyhtiöiden epäeettisten kieltojen torjumista lääketieteellisen välttämättömyyden osoittavilla kirjeillä.10 Asianmukaisten tekoälymallien tehokas hyödyntäminen voidaan toteuttaa kustannustehokkuuden parantuessa yritystasolla.11 Sellaisenaan, Tekoäly voi auttaa asettamaan potilaan hoitonsa keskiöön.
Meidän on pidettävä mielessä tietyt periaatteet. Innovoinnin ja sen sisällyttämisen jokapäiväiseen työnkulkuun politiikan kautta on oltava vastuullista. Lisäksi on äärimmäisen tärkeää, ettemme anna tekoälyn aiheuttaa "hyposkiliaa" koulutuksessa ja kliinisessä käytännössä. Tekoäly on kehittynyt työkalu, joka on valitettavasti kärsinyt hypetyksestä, joka on suurelta osin niiden käsissä, joilla ei ole etuoikeutta hoitaa potilasta. Tämä on korjattava. Samalla se edustaa biljoonan dollarin teollisuudenalaa, jolla on huomattavaa vauhtia.12 Jos tekoälyä käytetään vastuullisesti ja skeptisesti, siitä voi olla hyötyä tunnettujen asioiden käsittelyssä. On välttämätöntä, että lääkärit ja potilaat ottavat merkittävän roolin tekoälyn jatkokehityksessä ja arvioinnissa hyvän kliinisen hoidon ohjaamiseksi.13
Viitteet
- Geoff Hinton: Radiologiasta. YouTube: Creative Destruction Lab. https://youtu.be/2HMPRXstSvQ?si=U0Pse9TV2JAg9h1q.
- Mousa D. Tekoäly ei korvaa radiologeja. https://www.understandingai.org/p/ai-isnt-replacing-radiologists?utm_campaign=post&utm_medium=web. 2025 1. lokakuuta 2025.
- UFD-hallinto. Tekoälyllä toimivat lääkinnälliset laitteet. 2025 [20. lokakuuta 2025]; Saatavilla osoitteesta: https://www.fda.gov/medical-devices/software-medical-device-samd/artificial-intelligence-enabled-medical-devices.
- Jha S, Topol EJ. Sopeutuminen tekoälyyn: Radiologit ja patologit tietotekniikan asiantuntijoina. Jama. 13. joulukuuta 2016;316(22):2353-4.
- Mahajan A, Lees AJ. "Kone näkee sinut nyt": Kliinikon näkökulma tekoälyyn kliinisessä hoidossa. Mov Disord Clin Pract. Toukokuu 2025;12(5):588-91.
- Stokel-Walker C. ”Ympäristökirjoittajan” työkalut kuuntelevat ja tiivistävät lääkäri-potilaskonsultaatioitasi. BMJ. 2025;389:r663.
- Olson KD, Meeker D, Troup M ym. Ambient AI -kirjureiden käyttö hallinnollisen taakan ja ammatillisen työuupumuksen vähentämiseksi. JAMA Netw Open. 1. lokakuuta 2025;8(10):e2534976.
- Williams CYK, Subramanian CR, Ali SS ym. Lääkärin ja laajojen kielimallien avulla luodut sairaalapoistumisyhteenvedot. JAMA Intern Med. 2025 1. heinäkuuta;185(7):818-25.
- Boussina A, Krishnamoorthy R, Quintero K ym. Suuret kielimallit sairaaloiden laatumittareiden tehokkaampaan raportointiin. Nejm ai. 24. lokakuuta 2024;1(11).
- Deik A. ChatGPT:n sisällyttämisen mahdolliset hyödyt ja vaarat liikehäiriöklinikalle. J Mov Disord. Toukokuu 2023;16(2):158-62.
- Klang E, Apakama D, Abbott EE ym. Strategia kustannustehokkaaseen laajojen kielimallien käyttöön terveydenhuoltojärjestelmän tasolla. NPJ Digit Med. 2024, 18. marraskuuta;7(1):320.
- Angus DC, Khera R, Lieu T ym. Tekoäly, terveys ja terveydenhuolto tänään ja huomenna: JAMA-huippukokouksen raportti tekoälystä. JAMA. 2025.
- The L. Hoitotyön takaisinotto tekoälyn aikakaudella. The Lancet. 2025;406(10512):1535.
Lue lisää Eteenpäin liikkuminen: