Tekoäly röntgenhoitajan työssä

Abstract

Tekoälyn käyttö kuvantamisessa on lisääntynyt viime vuosina merkittävästi ja erilaisia tekoälysovelluksia käytetään jo nyt röntgenhoitajan työssä. Opinnäytetyössä oli tavoitteena tuottaa tietoa tekoälyn käytöstä röntgenhoitajan työssä ja tarkoitus oli tuottaa kansainvälisistä artikkeleista suomenkielistä tietoa. Aihe on rajattu koskemaan natiiviröntgentutkimuksia, tietokonetomografiatutkimuksia (TT) sekä magneettitutkimuksia (MK). Aihetta käsitellään röntgenhoitajan näkökulmasta tutkien, miten tekoäly vaikuttaa röntgenhoitajan työhön ja millaista tekoälyä röntgenhoitajan työssä ja kuvantamisessa sovelletaan.

Opinnäytetyö on toteutettu kuvailevana kirjallisuuskatsauksena. Tutkimuskysymykset ovat: 1. Millaista osaamista, kokemuksia ja odotuksia röntgenhoitajilla on tekoälyn käyttämisestä työssään? ja 2. Millaista tekoälyä röntgenhoitajat käyttävät työssään leikekuvantamisessa? Tutkimusmateriaalina käytettiin 13:a englanninkielistä vertaisarvioitua tutkimusartikkelia vuosilta 2019–2024. Tutkimukset on kerätty Medline/PubMed ja Science Direct -tietokannoista.

Tuloksista selvisi, että tietokonetomografiatutkimuksissa tekoälyä käytetään tällä hetkellä potilaan sädeannoksen pienentämiseen sekä varjoaineannoksen määrän ja virtausnopeuden laskemiseen. Magneettitutkimuksissa tekoälyä pyritään hyödyntämään tutkimuksen nopeuttamiseksi, hoitojonojen lyhentämiseksi ja taloudellisten säästöjen saavuttamiseksi. Magneettitutkimuksissa tekoälyn hyödyntämistä on tutkittu myös potilaan riskien tarkastamiseen PACS:ssa olevien kuvien perusteella, sekä selvitetty tekoälyn mahdollisuuksia röntgenhoitajan kouluttamisessa ahtaanpaikankammoa kokevan potilaan kohtaamiseen.

Tekoälyä hyödynnetään röntgenhoitajan työssä esimerkiksi työnkulun avustamisessa, diagnoosin tekemisessä, hoidon suunnittelussa, potilaan tunnistamisessa ja automaattisessa asemoinnissa. Tutkimuksessa havaittiin myös, että röntgenhoitajille tekoäly on varsin uusi asia, eikä monellakaan ole tekoälyn käyttöön koulutusta. Suurin osa röntgenhoitajista suhtautui tekoälyyn positiivisesti, vaikka pelkoja esimerkiksi työpaikan säilymisen tai tekoälyn eettisyyden suhteen esiintyi.

Tekoälyn käyttö röntgenhoitajan työssä vaatii kaikkien työntekijöiden sitoutumista sen käyttämiseen ja kouluttautumiseen. Jatkotutkimusehdotuksena voisi tutkia, millaisen tekoälyn röntgenhoitajat kokevat tai kokisivat eniten hyödyksi työssään ja miten röntgenhoitajia parhaiten voisi motivoida tekoälyn opiskeluun ja sen hyödyntämiseen.

The aim of this thesis was to produce information on the use of AI in the work of a radiographer and the purpose was to produce information from international articles in Finnish. The topic is limited to plain X-ray examinations, computed tomography examinations (CT) and magnetic resonance imaging (MRI). The topic is discussed from the radiographer's point of view, examining how AI affects the work of radiographers and what kind of AI is applied in the work of radiographers and in X-ray equipment.

The thesis was conducted as a literature review. The data of the thesis consisted of 13 peer-reviewed research articles in English from 2019 to 2024. The research questions were formed so that the first question was “What kind of expertise, experiences and expectations do radiographers have about using AI in their work?” and the second question was “What kind of AI do radiographers use in their work in cross-sectional imaging?”. The research studies have been collected from Medline/PubMed and Science Direct databases.

The results showed that in CT artificial intelligence is currently used to reduce the patient’s radiation dose and to calculate the amount and the flow rate of contrast media dose. In MRI AI is used to speed up examinations, to shorten care queues and achieve financial savings. The benefits of AI have also been examined when analyzing the patient's risks based on the images in PACS and investigated the possibilities of AI training radiographers to confront patients experiencing claustrophobia, has too been investigated.

AI is used in the work of a radiographer, for example, in assisting the workflow, making a diagnosis, planning treatment, identifying the patient and automatically positioning the patient. The thesis also shows that AI is quite a new concept to radiographers and many of them have no training to use it. Most radiographers have a positive attitude to artificial intelligence, although there were fears about the preservation of the workplace or the ethics of AI.

The use of AI in radiography requires commitment of all employees to its use and training. Further research of the subject could explore what kind of AI radiographers find most useful in their work and how to motivate radiographers best to use and study AI.