Miten tekoäly vaikuttaa röntgenhoitajan työhön

Abstract

Tämän opinnäytetyön tarkoituksena oli selvittää, miten tekoäly vaikuttaa röntgenhoitajan työhön diagnostisessa kuvantamisessa ja millaista osaamista röntgenhoitajat tekoälyn käyttäjinä tarvitsevat. Tavoitteena oli kuvata tekoälyn vaikutuksia röntgenhoitajan tehtäviin diagnostisen kuvantamisen alueella ja tunnistaa, minkälaista uutta osaamista röntgenhoitaja tulee tämän seurauksena tarvitsemaan. Koska aihealue on varsin uusi, opinnäytetyö toteutettiin scoping-kirjallisuuskatsauksena, mikä mahdollisti aihealuetta käsittelevän kirjallisuuden kartoittamisen mahdollisimman laajalti.

Tekoälyä hyödyntävien sovellusten käyttö terveydenhuollossa on kasvanut huomattavasti viimeisen vuosikymmenen aikana. Hurjimmissa visioissa on esitetty, että tekoälyjärjestelmät voisivat korvata monia terveydenhuollon ammattilaisia, mutta tällä hetkellä tekoälysovellusten odotetaan pääasiassa avustavan ammattilaisia ja parantavan sairauksien diagnosointia ja hoitotuloksia sekä mahdollistavan potilaille yksilöllisemmän terveydenhuollon. Radiografia on yksi terveydenhuollon tekniikkavaltaisin ala, ja röntgenhoitajat ovat tottuneet ottamaan käyttöön uutta teknologiaa, niinpä tekoälysovellukset ovat tulleet lähes huomaamatta osaksi myös röntgenhoitajien arkisia työvälineitä.

Tämän opinnäytetyön tulosten perusteella tekoäly paitsi avustaa röntgenhoitajaa, tuo myös uusia haasteita röntgenhoitajan työhön. Tekoälyjärjestelmät voivat vähentää rutiininomaisia ja hallinnollisia tehtäviä, teknisesti nopeuttaa kuvantamistapahtumia sekä parantaa työn laatua vähentämällä inhimillisiä virheitä ja yhtenäistämällä käytäntöjä. Toisaalta haasteita voi aiheuttaa radiografian menetelmäosaamisen köyhtyminen, röntgenhoitajien jaksaminen potilasmäärien lisääntyessä sekä itse teknologian toimivuuteen liittyvät tekijät ja tekoälyn käyttöön liittyvät eettiset kysymykset.

Opinnäytetyön tulosten perusteella tekoälyyn liittyvän koulutuksen puute nähtiin haasteena ja tarve tälle koulutukselle nähtiin niin perustutkinto- kuin jatko- ja täydennyskoulutustasoillakin. Tekoälyintegraation kasvaessa röntgenhoitajan roolin nähtiin muuttuvan pelkästä tekoälyn käyttäjästä sen ohjaajaksi ja valvojaksi. Vaikka osa röntgenhoitajista koki tekoälyn vaarantavan työpaikkoja, monet näkivät tekoälyintegraatiossa myös uusia uramahdollisuuksia röntgenhoitajille.

The purpose of this thesis was to explore how artificial intelligence (AI) affects the work of radiographers in diagnostic imaging and what kind of skills radiographers need as users of AI. The goal was to describe the impacts of AI on the tasks of radiographers in the field of diagnostic imaging and to identify the new skills that radiographers will need as a result. Since this topic is relatively new, the thesis was conducted as a scoping review, which allowed for a comprehensive survey of the literature on the subject.

The use of AI applications in healthcare has increased significantly over the last decade. In the most extreme visions, AI systems have been suggested to replace many healthcare professionals but currently AI applications are expected to mainly assist professionals by improving the diagnosis and treatment outcomes of diseases and enabling more personalized healthcare. Radiography is one of the most technologically intensive fields in healthcare and radiographers are used to adopting new technologies, so AI applications have become almost unnoticeably a part of radiographers' daily tools.

According to the results of this thesis, AI not only assists radiographers but also brings new challenges to their work. AI systems can reduce routine and administrative tasks, technically accelerate imaging, and improve work quality by reducing human errors and standardizing practices. On the other hand, challenges may arise from the de-skilling of radiography professionals, the coping of radiographers as patient numbers increase, factors related to the functionality of the technology itself, and ethical issues associated with the use of AI.

The results of the thesis also highlighted a lack of training related to AI as a challenge, and a need for this training was seen at both the undergraduate and higher education levels. As AI integration grows, the role of the radiographer was seen to change from merely using AI to guiding and supervising it. Although some radiographers felt that AI threatened their jobs, many also saw new career opportunities for radiographers in AI integration.