Toisiokäyttö – tekoäly oppimaan terveysdatan tietomassoista

Suomessa sosiaali- ja terveydenhuollon saralla digitaalisuus keskittyi aluksi paljolti yksilöiden hoitoon – yksilöiden dataan, hoitohistoriaan ja hoitosuunnitelmien digitalisointiin. Nyt digitalisaatio on edennyt siihen pisteeseen, että tekoäly, kuten neuroverkkopohjainen koneoppiminen, voisi tuoda alalle jotakin aivan uutta.

THL:n yhteydessä toimiva Findata on sosiaali- ja terveysalan tietolupaviranomainen, jonka toiminta perustuu toisiolakiin. Findatan kautta on mahdollista saada aineistoja käyttöön, kun on kyse sosiaali- ja terveystietojen toissijaisesta käytöstä ja tietoja tarvitaan usean eri rekisterinpitäjien rekisteristä, Kanta-palveluista tai yksityiseltä sektorilta. Lisäksi Findatan tarjoama Kapseli-käyttöympäristö mahdollistaa pseudonymisoidun yksilötasoisen aineiston käsittelyn.

Toisiolain tavoitteena on mahdollistaa sosiaali- ja terveydenhuollon toiminnassa sekä sosiaali- ja terveysalan ohjaus-, valvonta-, tutkimus- ja tilastotarkoituksessa tallennettujen henkilötietojen tehokas ja tietoturvallinen käsittely. Lisäksi tavoitteena on turvata yksilön luottamuksensuoja sekä oikeudet ja vapaudet henkilötietoja käsiteltäessä.

Valmiiksi opetetusta tekoälystä vientituote?

Suomessa kansallinen sosiaali- ja terveydenhuollon tietovaranto on lähes ainutlaatuinen. Kanta-palveluihin on kerätty sekä julkisen että yksityisen terveydenhuollon dataa keskitetysti jo vuodesta 2010 alkaen. Mitä toisiokäyttö voisi sitten mahdollistaa? Voisiko esimerkiksi tulevaisuudessa erilaiset seulonnat järjestää niin, että niihin kutsuttaisiin mahdollisen riskin perusteella eikä iän mukaan?

Datan avulla opetettujen tekoälyalgoritmien sovellusmahdollisuudet eivät pääty Suomen rajalle. Edellä mainittua potilaan riskiä voidaan todennäköisesti arvioida potilaan kansallisuudesta riippumatta suomalaisella datalla opetetun neuroverkon avulla. Tämä voisikin avata Suomelle mahdollisuuksia toimia terveydenhuollon ja lääketieteen tekoälyn kehittäjänä ja viejänä.

Atostekin Jasmine-projekti

Atostekilla koneoppimismenetelmien soveltamista on pilotoitu tutkimuskäyttöön tarkoitetuilla anonymisoiduilla aineistoilla. Atostekin Jasmine-projektissa tietomassaan sovelletaan tekoälyä, joka mahdollistaa esimerkiksi potilaiden riskianalyysit erilaisista sairauksista.

Atostek on jättänyt Findatalle tietolupahakemuksen pääsystä jatkamaan tutkimusta Kapseli-ympäristössä käyttäen pseudonymisoitua Kanta-dataa. Tämä mahdollistaisi menetelmien kehittämisen edelleen siten, että ne todella toimivat aidon, suomalaisen potilastiedon kanssa.

Mika Torhola
Toimitusjohtaja

 

Ida Pellinen
Markkinointi- ja viestintäasiantuntija