Tekoälyavusteinen päätöksenteko hoidon tarpeen arvioinnissa, erotusdiagnostiikassa ja kiireellisyysluokittelussa

Abstract

Sosiaali- ja terveyspalveluiden digitalisaation myötä hoidon tarpeen arviointi on siirtynyt yhä enemmän verkkoon ja tekoälyavusteisiin ratkaisuihin. Tekoälyä hyödynnetään maailmanlaajuisesti hoitoprosessin tukena, erityisesti potilaan esitietojen keruussa, oirearviossa ja hoidon kiireellisyyden määrittelyssä. Vaikka tekoäly tehostaa palveluja ja tukee päätöksenteko, sen käyttöön liittyy edelleen haasteita, kuten luotettavuuden, kontekstin ymmärtäminen ja kliinisen harkinnan säilyttäminen näkökulmia.

Tämän opinnäytetyön tarkoituksena oli selvittää, kuinka hyvin tekoälyavusteinen työkalu tukee hoitohenkilöstön päätöksentekoa erotusdiagnostiikassa ja kiireellisyysluokittelussa digitaalisessa hoidon tarpeen arvioinnissa. Tavoitteena oli kuvata hoitohenkilöstön kokemuksia ja näkemyksiä tekoälyn toimivuudesta, tarkkuudesta ja hyödyllisyydestä kliinisen arvioinnin tukena.

Tutkimus toteutettiin kvantitatiivisella ja kvalitatiivisella eli monimenetelmällisellä lähestymistavalla. Aineisto kerättiin kyselylomakkeella (N=28), joka sisälsi sekä suljettuja ja avoimia kysymyksiä. Suljetut kysymykset analysoitiin kuvailevalla tilastollisella analyysillä ja avoimet kysymykset aineistolähtöisellä sisällönanalyysillä.

Tulosten mukaan vastaajat kokivat, että tekoälyn tuottamat erotusdiagnoosit olivat usein liian harvinaisia tai epäolennaisia yleisten oireiden yhteydessä. Vain pieni osa vastaajista piti tekoälyä päätöksenteon tukena sellaisenaan. Suurin osa ilmoitti tarkistavansa aina lisätiedot tai tekevänsä päätöksen kliinisen arvionsa pohjalta. Kiireellisyysluokituksen osalta valtaosa vastaajista arvioi, että tekoäly arvioi tilanteen liian kiireellisiksi erityisesti lasten lievien oireiden yhteydessä.

Johtopäätöksenä voidaan todeta, että tekoälyä hyödynnetään työvälineenä hoidon tarpeen arvioinnissa, mutta sen antamat suositukset eivät sellaisenaan riitä päätöksenteon perustaksi. Ammattilaiset korostivat kliinisen harkinnan merkitystä ja tarvetta kehittää tekoälyn luotettavuutta ja kontekstisidonnaisuutta erityisesti yleisimpien oireiden ja potilasryhmien kohdalla.

This thesis aimed to explore how well an AI-assisted tool supports healthcare professionals’ decision making in differential diagnosis and urgency classification within digital care assessments. The focus was on the nursing staff’s experiences and views regarding the tool’s accuracy, functionality and usefulness.

A multi-method approach was used, combining both quantitative and qualitative methods. The data were collected through a questionnaire (N=28) including both closed and open-ended questions. Closed questions were analyzed using descriptive statistics and open questions were examined through data-driven content analysis.

The results showed that AI-generated differential diagnoses were often too rare or irrelevant for general symptoms. Most respondents relied on their clinical judgment and did not base decision solely on AI recommendations. Many noted that the tool tended to classify mild symptoms, particularly in children, as overly urgent.

In conclusion, AI is used as a supportive tool in care assessment, but its suggestions are not sufficient for independent decision making. Clinical judgment remains essential and further development is needed to improve the accuracy and contextual relevance on AI systems.