Hyppää pääsisältöön

Tarkenna hakuasi

Hoitaja käyttää tablettitietokonetta.

Lääkitysriskejä tunnistava tekoälytyökalu kolmen parhaan joukkoon AI-Gaala 2026 -kilpailussa

Pohjois-Savon hyvinvointialueella kehitettävä tekoälyavusteinen AI-MedRiskTool on valittu kolmen parhaan joukkoon AI-Gaala 2026 -kilpailun Best Public Sector AI Implementation of the Year -kategoriassa, jossa palkitaan vuoden paras julkisen sektorin tekoälytoteutus.

AI-MedRiskToolin tavoitteena on tunnistaa lääkitykseen liittyviä riskejä ennen kuin ne aiheuttavat potilaalle haittaa. Ratkaisulla pyritään siirtämään lääkehoidon turvallisuuden painopistettä lääkityshaittojen hoidosta niiden ennakoivaan ehkäisyyn.

Lääkityshaitat ovat merkittävä potilasturvallisuuden ja terveydenhuollon kustannusten haaste. Lääkityshaittojen arvioidaan aiheuttavan Suomessa noin 2,5 miljardin euron vuotuiset suorat terveydenhuollon kustannukset. Iäkkäillä jopa 88 prosenttia lääkityshaittoihin liittyvistä sairaalahoidoista olisi ehkäistävissä tunnistamalla lääkitykseen liittyvät riskit ennen potilashaitan syntymistä.

AI-MedRiskTool kokoaa rakenteista potilastietoa ja potilaskertomukseen kirjattua tietoa yhdeksi kliiniseksi kokonaiskuvaksi. Sen avulla terveydenhuollon ammattilaiset voivat tunnistaa lääkitykseen liittyviä riskejä ja kohdentaa lääkitysarviointeja erityisesti niille potilaille, jotka niitä eniten tarvitsevat.

Tekoäly ei tee hoitopäätöksiä ammattilaisen puolesta, vaan tukee kliinistä harkintaa. AI-MedRiskToolin kehityksen ensimmäisessä vaiheessa huomio on kohdistunut erityisesti iäkkäiden potilaiden kaatumiseen, verenvuotoon ja sekavuuteen eli deliriumiin liittyviin lääkitysriskeihin, kuten hankkeen käynnistymisestä kertovassa aiemmassa uutisessa kuvattiin. Uusi tekoälytyökalu parantamaan iäkkäiden lääkitysturvallisuutta päivystyksessä.

– Lääkkeiden haittatapahtumat aiheuttavat yhden merkittävimmistä terveydenhuollon ylimääräisistä kuluista. Sen lisäksi ne aiheuttavat potilaille merkittävää toimintakyvyn ja elämänlaadun laskemista. Nämä haitat jäävät valitettavan usein havaitsematta tai niitä ei yhdistetä lääkehoitoihin. Uusi tekoälyratkaisumme mahdollistaa haittatapahtumien nopean havainnoinnin ja yhdistymisen niitä mahdollisesti aiheuttaviin lääkkeisiin. Lisäksi sovelluksemme avulla on tulevaisuudessa mahdollista ennustaa potilaan haittavaikutusten ilmenemistä ja siten ennaltaehkäistä niitä oikeilla lääkevalinnoilla. Tavoitteenamme on havaita riskit aiemmin, ennaltaehkäistä haittoja, mahdollistaa turvallisempi hoito ja säästää terveydenhuollon kustannuksia.

– Tämä finaalipaikka 1000 asiantuntijan kansainvälisessä kutsugaalassa on jo meidän Oscar-voittomme. Toivomme, että tämän avulla hankkeemme saisi lisäresurssia huikean keksintömme loppuun viemiseksi, kommentoi Jouni Ahonen, KYSin sairaala-apteekin apteekkari.

Ratkaisua tutkitaan aidossa hoitoympäristössä

AI-MedRiskToolia kehitetään vaiheittain tutkimusnäyttöön perustuen. Ratkaisua arvioidaan satunnaistetussa kontrolloidussa kliinisessä tutkimuksessa aidossa päivystyksen toimintaympäristössä.

Hankkeen tutkimuksesta kerrottiin ensimmäisen kerran keväällä 2025. Tuolloin tutkimuksen tavoitteeksi asetettiin tekoälyn hyödyntäminen iäkkäiden potilaiden lääkitysriskien tunnistamisessa sekä terveydenhuollon ammattilaisten päätöksenteon tukemisessa. Tutkimus käynnistettiin Kuopion yliopistollisen sairaalan (KYS) päivystyksessä syksyllä 2025. Uusi tekoälytyökalu pyrkii parantamaan iäkkäiden lääkitysturvallisuutta päivystyksessä.

Käynnissä olevan kliinisen tutkimuksen rinnalla kehitetään erillisiin rekisteriaineistoihin perustuvia ennustemalleja. Tavoitteena on integroida niitä seuraavan sukupolven AI-MedRiskTooliin ennen mahdollista laajempaa käyttöönottoa.

Kehittämisessä yhdistyvät kliininen käytäntö, tutkimus, tekoäly, terveystaloustiede ja moniammatillinen yhteistyö. Ratkaisua kehitetään Pohjois-Savon hyvinvointialueen sairaala-apteekissa yhteistyössä päivystyksen, kliinisten asiantuntijoiden, tutkijoiden, Itä-Suomen yliopiston, DigiFinlandin ja Sitran kanssa. Teknisinä kumppaneina ovat toimineet Istekki Oy ja Productive Leap Oy.

– Ennen laajempaa käyttöönottoa haluamme selvittää, kuinka luotettavaa tietoa ratkaisu tuottaa ja auttaako se ammattilaisia tunnistamaan lääkitysriskejä aikaisemmin. Samalla arvioimme hyötyjä potilaan hoidolle ja vaikutuksia ammattilaisten työhön. Kliinisen työn, tutkimuksen ja tekoälykehityksen yhteistyö auttaa rakentamaan ratkaisua, jonka kehittämistä ohjaavat potilaiden tarpeet ja tutkimustieto, Ahonen kertoo.

Tavoitteena ehkäistä lääkityshaittoja jo ennen päivystystarvetta

AI-MedRiskToolin kehitystyön tähtäin on päivystystä pidemmällä. Pitkän aikavälin tavoitteena on laajentaa ratkaisun käyttöä myös perusterveydenhuoltoon, kotihoitoon ja avohuollon apteekkeihin.

– Tavoitteena on, että lääkitykseen liittyviä riskejä voitaisiin tulevaisuudessa tunnistaa mahdollisimman varhain ja ongelmiin puuttua jo ennen kuin ne johtavat potilashaittaan. Onnistuessaan ennakoiva lääkitysriskien tunnistaminen voi ehkäistä päivystyskäyntejä ja sairaalahoitoja, parantaa potilasturvallisuutta ja vähentää ehkäistävissä olevista lääkityshaitoista terveydenhuollolle aiheutuvaa kuormitusta ja kustannuksia, kertoo ensihoitopalveluiden apulaisylilääkäri Tero Martikainen.

– Lääkehoidon turvallisuuden ennakointi edellyttää riskien tarkastelua potilas-, prosessi- ja organisaatiotasolla. Lähivuosien tavoitteena on rakentaa tutkimusperusta AI-MedRisk Management -kokonaisuudelle, jossa potilas- ja lääkehoitoprosessitason riskitietoa yhdistetään organisaatiotason lääkehoidon turvallisuuden seurantaan, ennakointiin ja johtamiseen sekä haittatapahtumien ehkäisyyn, tutkimuspäällikkö Jonna-Carita Kanninen kertoo.

Potilaan kannalta riskien varhaisempi tunnistaminen voisi tarkoittaa, että lääkityksen arviointi, tarvittava seuranta ja ohjaus käynnistyvät nykyistä aikaisemmin. Esimerkiksi kaatumiseen, verenvuotoon tai sekavuuteen liittyvä riskitieto voisi auttaa ammattilaista tunnistamaan tarpeen tarkistaa potilaan lääkitys ja arvioida sen mahdollista osuutta oireisiin. Tavoitteena on päästä puuttumaan riskitilanteisiin ennen haitan syntymistä tai potilaan voinnin heikkenemistä. Samalla potilas ja hänen läheisensä voisivat saada aiemmin yksilöllistä ohjausta siitä, mitä lääkehoidon aikana tulee seurata.

– Terveydenhuollon ammattilaisille laajempi käyttöönotto voisi tuoda hajallaan olevan riskitiedon helpommin saataville ja auttaa kohdentamaan lääkityksen arviointeja niitä eniten tarvitseville potilaille. Yhteinen riskitieto voisi myös tukea lääkäreiden, hoitajien ja farmasian ammattilaisten yhteistyötä sekä tiedonkulkua hoidon siirtymävaiheissa. Organisaatiotasolla se voisi auttaa tunnistamaan toistuvia vaaranpaikkoja ja suuntaamaan kehittämistoimia. Näiden mahdollisuuksien toteutumista on arvioitava tutkimuksessa sekä potilaiden turvallisuuden että ammattilaisten työn sujuvuuden ja työkuorman näkökulmasta, Kanninen sanoo.

Pohjois-Savon hyvinvointialueen tiedote