Luotettavan tekoälyn haasteet ja ratkaisut terveydenhuollossa : Kirjallisuuskatsaus nykytilasta

Abstract

Tutkielmassa käsitellään luotettavaa tekoälyä terveydenhuollossa, mitä luotettavuus tässä kontekstissa tarkoittaa, mitkä tekijät siihen vaikuttavat, millainen tilanne on tällä hetkellä ja millaisia ratkaisuja luotettavuuden parantamiseksi on löydetty. Tekoälyn luotettavuutta arvioitiin Euroopan komission luomien eettisten periaatteiden pohjalta. Aiheen merkityksellisyyttä korostavat väestön ikääntymisestä johtuvat terveydenhuollon haasteet, globaali resurssipula terveydenhuollossa sekä tekoälyn kasvava rooli palveluiden laadun ja tehokkuuden parantamisessa. Työssä esille nousevat myös tekoälyn hyödyntämiseen liittyvät eettiset, tekniset ja yhteiskunnalliset kysymykset.

Tutkimus suoritettiin narratiivisena kirjallisuuskatsauksena. Tutkimusaineisto koostui viidestätoista vuosina 2021–2024 julkaistusta, Web of Science -tietokannasta valitusta tieteellisestä artikkelista. Artikkelit valittiin rajatuilla hakusanoilla ja seulottiin niiden relevanssin perusteella. Aineisto analysoitiin luokittelemalla ja teemoittelemalla. Työn tutkimuskysymykset tarkentuivat aineiston analyysin aikana ollen lopulta muotoa: Millaisia haasteita nykytilanteessa on havainnoitu luotettavan tekoälyn suhteen terveydenhuollossa? Millaisia ratkaisuja luotettavuuden parantamiseksi on löydetty?

Tutkimuksessa nousi esiin terveydenhuollon tekoälyn luotettavuudessa monia haasteita, kuten datan laadun ongelmia, algoritmien läpinäkymättömyyttä (mustan laatikon ongelma), organisaatiotason vastuiden laiminlyöntiä sekä eettisten periaatteiden ja käytännön soveltamisen välistä kuilua. Kaupalliset intressit havaittiin erityisen ongelmallisiksi, sillä ne vaikeuttavat läpinäkyvyyttä ja estävät tietojen kattavaa julkista raportointia. Tutkituissa artikkeleissa esitettiin ratkaisuiksi muun muassa moniammatillisen yhteistyön lisäämistä, tekoälymallien varhaisia ja jatkuvia auditointeja sekä erilaisia arviointimenetelmien kuten esimerkiksi Z-Inspection, MCAE-malli ja LIME- sekä Grad-CAM-tekniikoiden hyödyntämistä läpinäkyvyyden parantamiseksi. Tutkimuksessa korostuu tarve selkeille sääntelyvaatimuksille, läpinäkyville ja kattaville auditointiprosesseille sekä sidosryhmien väliselle avoimelle vuorovaikutukselle ja yhteistyölle. Tekoälyjärjestelmien suunnitteluun ja kehittämiseen tulee osallistaa moniammatillisia tiimejä jo varhaisessa vaiheessa. Lisäksi arviointikehyksiä tulee mukauttaa tarkasti käyttötilanteiden mukaan, ja tekoälyn eettisyyden ja luotettavuuden jatkuva empiirinen tutkimus on välttämätöntä teknologian laajamittaisen hyväksyttävyyden ja käyttöönoton varmistamiseksi terveydenhuollossa.