Karoliina Kaasalainen: Digitalisaation ja tekoälyn mahdollisuudet terveyden ja hyvinvoinnin edistämisessä
1. Digitaalisaation ja tekoälyn mahdollisuudet
terveyden ja hyvinvoinnin edistämisessä
Hyvinvoinnin ja terveyden edistämisen päivä 2019, THL 7.11.2019
Digitaalisaation ja tekoälyn mahdollisuudet
terveyden ja hyvinvoinnin edistämisessä
Hyvinvoinnin ja terveyden edistämisen päivä 2019, THL 7.11.2019
Tutkijatohtori Karoliina Kaasalainen,
Jyväskylän yliopisto, Liikuntatieteellinen tiedekunta
Karoliina.s.kaasalainen@jyu.fi
Tutkijatohtori Karoliina Kaasalainen,
Jyväskylän yliopisto, Liikuntatieteellinen tiedekunta
Karoliina.s.kaasalainen@jyu.fi
2. JYU. Since 1863.
Esityksen sisältö
1. Mitä digitalisaatiolta ja tekoälyltä odotetaan?
2. Missä mennään? Esimerkkejä ja sovelluksia
• Yksilötason digitaaliset interventiot
• Palvelujen kehittäminen ja vuorovaikutus
• Systeemitaso ja tiedolla johtaminen
3. Mitä seuraavaksi?
• Yhteenveto ja kehitysnäkymiä
• Avoimia kysymyksiä
6.11.2019 2
3. Digitaaliset interventiot terveyden edistämisessä
• Tarkoitetaan ”interventioita, joissa
hyödynnetään digitaalista teknologiaa
terveyden edistämiseen ja
ylläpitämiseen” (Yardley ym. 2016)
• WHO luokittelee digitaaliset terveys-
interventiot toimenpiteisiin, jotka on
kohdennettu:
1. Asiakkaille
2. Ammattilaisille
3. Terveydenhuoltojärjestelmään
4. Tiedonhallintapalveluihin
World Health Organization. (2018). Classification of digital health interventions v1. 0: a shared
language to describe the uses of digital technology for health.
Yardley et al. Am. J. Prev. Med. 51(5), 814–815 (2016).
https://doi.org/10.1016/j.amepre.2016.07.019
Kuvan lähde: World Health Organization. (2018). Classification of digital health interventions
v1. 0: a shared language to describe the uses of digital technology for health.
4. Mitä digitaalisilta palveluilta odotetaan?
Mooney et al. Annu. Rev. Public Health 2018.39:95-112,
World Health Organization. (2019). WHO guideline: recommendations on digital interventions for health system strengthening: World Health Organization.
Saavutettavuus
Joustavuus
Reaaliaikaisuus
Helppokäyttöisyys
Yksilöllisyys
Läsnäolevuus
Turvallisuus
Skaalautuvuus
Kustannustehokkuus
Käyttäjien motivaatio ja sitoutuminen
Toimintakyky
Teknologian käyttötaidot
Terveyden lukutaito
Häiritsevyys
Eettiset kysymykset
Teknologian saatavuus
Teknologian kustannukset
5. Teknolgia terveyden edistämisen interventioissa
Mooney et al. Annu. Rev. Public Health 2018.39:95-112,
Koski S. ym. 2015b http://www.julkari.fi/handle/10024/126311,
Toteutuksen
mahdollistavat
teknologia ja
digitaaliset
järjestelmät
Intervention
valinta
Tunnistettu
tarve
• Terveyttä edistävien ympäristöjen luominen
• Yksilöiden aktiivisuus terveyden edistämisessä
• Riskitekijöiden varhainen tunnistaminen ja tuki
• Elämäntapamuutosten tuen saatavuus
• Tietopohjan lisääminen interventioiden
vaikuttavuudesta
• Terveyden edistämisen aseman vahvistaminen
päätöksenteossa
• Tutkimustiedon juurruttaminen käytäntöön.....
• Yksilön käyttäytyminen
• Yhteisön normit ja
osallisuus
• Rakenteet ja palvelut
• Ympäristö....
• Mobiilisovellus ja aktiivisuusmittari
• Sosiaalisen median kampanja
• Chatbot ja digitaalinen palveluohjaus
• Kaupunkipyörät, varausjärjestelmä ja
karttasovellus
• Digitaaliset palvelualustat ja
analytiikkapalvelut
7. JYU. Since 1863. 7
Digitaaliset interventiot ja tekoäly terveyden edistämisessä
– Lisäävätkö uudet mentelmät vaikuttavuutta?
• Esimerkki liikuntainterventioiden vaikuttavuudesta
Vaikuttavuus perinteisillä liikuntainterventioilla ollut heikko tai kohtalainen (d=0.27)
(Howlett ym. 2019)
• Digitaaliset interventiot
Askelmittari-interventiot
Lyhyellä aikavälillä (<6kk) aktiivisuuden muutos noin +2000 askelta päivässä (Kang ym. 2009)
3-4 vuoden seurannassa aktiivisuuden muutos +630-670 askelta päivässä (Harris ym. 2019)
Kustannusvaikuttavia (Abu-Omar ym. 2017)
Puhelin- ja tekstiviesti-interventiot (d=0.40-0.50) (King ym. 2018)
Internetpohjaiset interventiot (d=0.24) (Davies ym. 2009)
Mobiilisovellukset Kohtalainen vaikuttavuus, sisältäneet myös muuta tukea (mm.
liikuntaneuvonta) (Gal ym. 2019)
• Uudet sovellukset
Virtuaalitodellisuus ja liikuntapelit Ei vielä vaikuttavuusnäyttöä (Koivisto & Hamari 2019,
Yi ym. 2019)
Reaaliaikaisesti adaptoituvat interventiot Ei vielä vaikuttavuusnäyttöä (Hardeman ym.
2019)
6.11.2019
9. Tekstianalytiikka some-datan analysoinnissa – Esimerkkinä
mielenterveystyö
• Mielenterveys yleinen aihe, jota käsitellään sosiaalisessa mediassa (Yin ym.
2019)
• Useampia datan keräämisen tapoja
Aktiivinen Tutkijoiden toteuttamat kyselyt (esim. Facebook, Twitter, Reddit)
Passivinen Valmiin sisällön analysointi (someviestit, foorumit)
• Menetelmiä datan analysointiin
Luonnollisen kielen analyysi ja semanttiset mallit
Merkityssisältöjen ja kielen rakenteiden tunnistaminen
Esim. kielteisiä tunteita kuvaavien ilmaisujen yleisyys ennakoi riskiä mielenterveysongelmille
Sosio-ekologiset mallit ja itseorganisoituvat kartat
Miten hyvinvointi jakautuu maantieteellisesti?
Millaisia vuorovaikutussuhteita on yhteisöissä?
Syrjäytymisriskin ennustaminen
Yin et al. (2019). Journal of the American Medical Informatics Association, 26(6), 561-576.
Naslund et al. (2019) Current Treatment Options in Psychiatry, 1-15.
10. Tekstianalytiikka asiakaspalautteen analysoinnissa:
Esimerkki Tekoäly ja terveydenhuolto Suomessa –tutkimusprojektista (Jyväskylän yliopisto)
• Tutkimuksessa analysoitiin Keski-Suomen
sosiaaliasiamiehen keräämää asiakaspalautetta (2010-2017)
• Tekstianalytiikan avulla saatiin
Tunnistettua syitä asiakkaiden tyytymättömyydelle
Koottua yhteydenottojen keskeisiä aiheita
Tehtyä automaattisia tiivistelmiä yhteydenotoista
• Tietoa voidaan käyttää palveluiden kehittämiseen ja
automatisointiin sekä ongelmakohtien havaitsemiseen.
Nyrhinen ym. 2018. https://www.jyu.fi/it/fi/tutkimus/julkaisut/tekes-
raportteja/sosiaalisen_hyvinvointi_tekoalyn_luonnollisen_kielen_testiesimerkkina_verkkoversio.pdf
11. Tekoälymenetelmien tunnistettuja hyötyjä ja haasteita
hyvinvointi- ja terveyspalvelujen kehittämisessä
• Hyödyt
Suurten aineistojen käsittely tehokasta
Edistää palvelujen tarpeen ja riskitekijöiden tunnistamista
Tietoa palvelujen laadun ja vaikuttavuuden parantamiseen
• Haasteet
Käytössä olevan datan laatu ja edustavuus
Heikommassa asemassa olevat väestöryhmät usein datassa aliedustettuja
Koneoppimismalli ei kuvaa aliedustettujen ryhmien palvelunkäyttöä ja tarvetta
Algoritmien opettamiseen käytetty data kapea alaista
Datan keräämiseen ja hyödyntämiseen liittyvät eettiset kysymykset
Terveyteen vaikuttavat tekijät tulisi ottaa huomioon kokonaisuuksina
Terveyteen ja hyvinvointiin liittyvät ilmiöt systeemisiä
Useat tekijät vaikuttavat toisiinsa
Harvoin yksiselitteisiä syy-seuraussuhteita
Mooney et al. Annu. Rev. Public Health 2018.39:95-112; Naslund et al. (2019) Current Treatment Options in Psychiatry, 1-15; Panch et al (2019). Lancet digital Health. 1 (1) e13.
12. Systeemimallit terveyden edistämisessä
• Systeemimallien hyötyjä
Yksilötason tarkastelun sijasta voidaan mallintaa yksilön ja
ympäristön vuorovaikutusta
Suorien ja epäsuorien vaikutusten sekä odottamattomien
seurausten tunnistaminen
Interventioiden testaaminen ennen toimeenpanoa
Vaikuttavuuden ja kustannusvaikuttavuuden arviointi
• Sovellusesimerkkejä
Lihavuuden kehittymiseen vaikuttavat tekijät
Tupakkakontrollin vaikutukset
Liikunnan edistämisen monitasoiset interventiot
• Menetelmiä:
Systeemidynaamiset mallit
Agentti- ja tapahtumapohjaiset simulaatiot
Verkkomallit
Kuva muokattu lähteestä:
Lee ym. 2017 doi: 10.1093/nutrit/nuw049
Luke & Statmatkis. Annu. Rev. Public Health
2012. 33:357–76
13. Tapahtumapohjaisesta simulaatio elintapainterventioiden
kustannusvaikutusten mallintamisessa -
Esimerkki Tekoäly ja terveydenhuolto Suomessa -tutkimusprojektista (Jyväskylän yliopisto)
Ruohonen ym. (2019) Tapahtumapohjainen simulaatio diabetesta ennaltaehkäisevien interventioiden kustannusvaikutuksista. Informaatioteknologian tiedekunnan julkaisuja No. 82/2019
https://www.jyu.fi/it/fi/tutkimus/julkaisut/tekes-raportteja/tapahtumapohjainen_simulaatio_diabetesta_ennaltaehkaisevien_interventioiden_kustannusvaikutuksista.pdf
14. JYU. Since 1863.
Miksi systeemitason menetelmien käyttö on harvinaista?
• Mallien rakentaminen edellyttää…
Ymmärrystä mallinnettavasta ilmiöistä
Monimutkaisuuden hallintaa
Monipuolista dataa
Moniammatillisuutta
• Mallin toteuttaminen ja laskenta edellyttää…
Metodista osaamista
Mallinnukseen soveltuvia ohjelmistoja tai itse ohjelmointia
Suurta laskentakapasiteettia
Riittävästi aikaa (useita kuukausia...)
• Mallien soveltaminen käytäntöön edellyttää…
Kriittistä arviointia
Ymmärrystä mallin rajoitteista ja validointia realistisella datalla
Tutkijoilta mahdollisimman läpinäkyvää raportointia mallin rakenteesta ja laskentaperiaatteista
6.11.2019 14
15. Yhteenveto ja kehitysnäkymiä
1. Reaaliaikaisesti adaptoituvat interventiot
Toistaiseksi arvioitu vasta lyhytaikaista käyttöä
Harvoin toimivat itsenäisesti ilman muita palveluja tai tukitoimia
Ennenaikaista tehdä johtopäätöksiä vaikuttavuudesta ja kustannusvaikuttavuudesta
Miten käytettynä, milloin ja kenelle sovelluksista on hyötyä?
2. Tekstianalytiikka ja luonnollisen kielen analyysiin
Tietoa palveluiden kehittämiseen ja interventioiden kohdentamiseen
Voivat edistää vuorovaikutusta ja auttaa arvioimaan asiakastyytyväisyyttä
Miten onnistutaan teknologian hyödyntämisen ja inhimillisen vuorovaikutuksen tasapainon
säilyttämisessä?
3. Systeemimallit
Käyttö on suositeltavaa yhdessä muiden mallinnus- ja analytiikkamenetelmien kanssa
Hyötynä tutkimusten näkökulman laajentaminen
Miten parannetaan laskennallisten mallien tulkinnallisuutta ja reaalimaailman validiteettia?
156.11.2019JYU. Since 1863.