Tekoälyn kielimallin käyttö potilaan ja terveydenhuollon ammattilaisen välisessä suullisessa kommunikaatiossa : Luonnollisen kielen käsittely
Lehtinen, Emmi (2024-06-12)
Tekoälyn kielimallin käyttö potilaan ja terveydenhuollon ammattilaisen välisessä suullisessa kommunikaatiossa : Luonnollisen kielen käsittely
(12.06.2024)
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
suljettu
Julkaisun pysyvä osoite on:
https://urn.fi/URN:NBN:fi-fe2024061854267
https://urn.fi/URN:NBN:fi-fe2024061854267
Tiivistelmä
Tulevaisuuden terveydenhuoltoon integroidaan teknologiaa ja tekoälyä, joiden avulla mahdollistetaan koneiden ja ihmisten välinen vuorovaikutus sekä älykkäiden sovelluksien käyttö terveydenhuollon eri osa-alueilla. Tämän kandidaatintutkielman tarkoituksena oli selvittää, miten eri tavoin tekoälyn kielimallia on hyödynnetty potilaan ja terveydenhuollon ammattilaisen välisessä suullisessa kommunikaatiossa ja mitä tutkimuksia on tehty aiheeseen liittyen. Tutkielmassa keskityttiin luonnollisen kielen käsittelyn (Natural Language Processing eli NLP) toimintaan.
Tutkielma toteutettiin kuvailevana kirjallisuuskatsauksena. Tiedonhaku tehtiin PubMed, CINAHL, Web Of Science ja IEEE-tietokannoista helmikuussa 2024. Tietokantahaussa tuloksia saatiin yhteensä 746 ja mukaanotto- ja poissulkukriteerien avulla tutkielmaan valikoitui lopulta yhteensä kahdeksan tutkimusta. Tutkimukset olivat määrällisiä (n=6), monimenetelmällisiä (n=1) ja poikkileikkaus tutkimuksia (n=1). Valittu aineisto analysoitiin induktiivisesti temaattisella analyysilla, jossa muodostettiin pää- ja alateemoja sekä tunnistettiin tutkimuksista yhtäläisyyksiä ja eroavaisuuksia. Tutkimusten laadunarviointi suoritettiin MMAT-arviointityökalua käyttäen.
Tulosten mukaan NLP kykeni poimimaan järjestelmällisellä prosessilla haluttuja tietoja annetusta datasta. NLP:lle syötetty data oli muunnettu tekstimuotoon, joten NLP-mallit eivät toimineet reaaliajassa. NLP:n hyödyt liittyivät sen kykyyn mahdollistaa uusia näkökulmia ja tietojen tunnistamista potilaan ja terveydenhuollon ammattilaisen suullisesta kommunikaatiosta. Useassa tutkimuksessa todettiin, että NLP:llä voisiin tuoda terveydenhuoltoon aika- ja kustannussäästöjä. NLP:n käyttöön terveydenhuollossa liittyi myös haasteita, liittyen keskustelujen sisällön arkaluontoisuuteen ja yksityisyyteen. NLP-mallit sieppasivat puheesta vain ennalta määritellyt tiedot, jolloin malli ei mukautunut esimerkiksi puhekieleen tai kielen monitulkintaisuuteen.
Yhteenvetona voidaan todeta, että NLP:llä on mahdollisuuksia mullistaa terveydenhuolto ja lisätä tehokkuutta monella eri osa-alueella. NLP:n käyttöön liittyvät rajoitukset tulisi kuitenkin ratkaista ennen käyttöönottoa, erityisesti laatu- ja turvallisuusnäkökulmiin liittyvät parannukset. NLP-malleja on mahdollista kehittää ja huomiota tulisi kiinnittää mallien esikoulutukseen käytetyn datan monipuolisuuteen. NLP:n käyttö terveydenhuollossa voi potentiaalisesti lisätä kustannustehokkuutta, mutta toisaalta uusien tekoälytyökalujen käyttöönotto ja kehittäminen on kallista.
Tutkielma toteutettiin kuvailevana kirjallisuuskatsauksena. Tiedonhaku tehtiin PubMed, CINAHL, Web Of Science ja IEEE-tietokannoista helmikuussa 2024. Tietokantahaussa tuloksia saatiin yhteensä 746 ja mukaanotto- ja poissulkukriteerien avulla tutkielmaan valikoitui lopulta yhteensä kahdeksan tutkimusta. Tutkimukset olivat määrällisiä (n=6), monimenetelmällisiä (n=1) ja poikkileikkaus tutkimuksia (n=1). Valittu aineisto analysoitiin induktiivisesti temaattisella analyysilla, jossa muodostettiin pää- ja alateemoja sekä tunnistettiin tutkimuksista yhtäläisyyksiä ja eroavaisuuksia. Tutkimusten laadunarviointi suoritettiin MMAT-arviointityökalua käyttäen.
Tulosten mukaan NLP kykeni poimimaan järjestelmällisellä prosessilla haluttuja tietoja annetusta datasta. NLP:lle syötetty data oli muunnettu tekstimuotoon, joten NLP-mallit eivät toimineet reaaliajassa. NLP:n hyödyt liittyivät sen kykyyn mahdollistaa uusia näkökulmia ja tietojen tunnistamista potilaan ja terveydenhuollon ammattilaisen suullisesta kommunikaatiosta. Useassa tutkimuksessa todettiin, että NLP:llä voisiin tuoda terveydenhuoltoon aika- ja kustannussäästöjä. NLP:n käyttöön terveydenhuollossa liittyi myös haasteita, liittyen keskustelujen sisällön arkaluontoisuuteen ja yksityisyyteen. NLP-mallit sieppasivat puheesta vain ennalta määritellyt tiedot, jolloin malli ei mukautunut esimerkiksi puhekieleen tai kielen monitulkintaisuuteen.
Yhteenvetona voidaan todeta, että NLP:llä on mahdollisuuksia mullistaa terveydenhuolto ja lisätä tehokkuutta monella eri osa-alueella. NLP:n käyttöön liittyvät rajoitukset tulisi kuitenkin ratkaista ennen käyttöönottoa, erityisesti laatu- ja turvallisuusnäkökulmiin liittyvät parannukset. NLP-malleja on mahdollista kehittää ja huomiota tulisi kiinnittää mallien esikoulutukseen käytetyn datan monipuolisuuteen. NLP:n käyttö terveydenhuollossa voi potentiaalisesti lisätä kustannustehokkuutta, mutta toisaalta uusien tekoälytyökalujen käyttöönotto ja kehittäminen on kallista.