Kirjallisuuskatsaus aiheesta ”Tekoäly spirometriatutkimuksessa : vaikutus luotettavuuteen ja potilasturvallisuuteen"

Abstract

Opinnäytetyön tarkoituksena oli selvittää, millaisia tekoälymalleja voidaan hyödyntää spirometriatutkimuksen laadun arvioinnissa sekä millaisia vaikutuksia tekoälyn käytöllä on raportoitu olevan potilasturvallisuuteen. Spirometrian tekninen laatu on keskeinen osa luotettavaa diagnostiikkaa, sillä puutteellinen laatu voi johtaa virheellisen diagnoosiin. Tekoälyn hyödyntäminen laadun arvioinnissa voi parhaimmillaan yhdenmukaistaa tulkintaa, vähentää inhimillisiä virheitä sekä tukea kliinistä päätöksentekoa.

Tutkimus toteutettiin kuvailevana kirjallisuuskatsauksena, johon valikoitui seitsemän vuosina 2020–2026 julkaistua alkuperäistutkimusta. Katsauksen perusteella spirometrian laadunvarmistuksessa hyödynnetyt tekoälymallit perustuvat pääasiassa konvoluutioneuroverkkoihin, kuten VGG16- ja ResNet-arkkitehtuureihin. Mallit kykenevät tunnistamaan yleisiä puhallusvirheitä, kuten yskää, puhalluksen ennenaikaisen lopetuksen sekä heikon puhallusvoiman. Tekoälymallien suorituskyky on useissa tutkimuksissa verrattavissa asiantuntijoihin.

Potilasturvallisuuden näkökulmasta suoria tutkimuksia oli vähän, mutta epäsuorat tulokset olivat myönteisiä: tekoäly paransi kliinikoiden diagnostiikkatarkkuutta, yhdenmukaisti tulkintaa ja tuki erityisesti vähemmän kokeneita kliinikoita. Samalla tunnistettiin tekoälyn käyttöön liittyviä riskejä, kuten koulutusdatan vinoumia, mallien heikkoa yleistettävyyttä eri laitevalmistajien välillä sekä tekoälyn mahdollisia virheellisiä tulkintoja, mikä korostaa ihmisen tekemän laadunvarmistuksen merkitystä. Useassa tutkimuksessa korostettiinkin, että tekoälyn tulee toimia nimenomaan ihmisen apuna, ei korvaajana.