Förutseende av sektorsövergripande användning av tjänster med stöd av artificiell intelligens – illusion eller framtid?
Data och artificiell intelligens utnyttjas i allt snabbare takt inom social- och hälsovårdstjänsterna. Till exempel chattbotar på webbplatser, som styr användaren vidare, grundar sig på artificiell intelligens. Algoritmerna kan också förutspå kundens återbesök på jouren eller larma om upprepade besök i tjänsten.
I MAITE-projektet började vi utvecklingen av verksamhet baserad på artificiell intelligens i den svåraste ändan: Hur kan artificiell intelligens utnyttjas för att förutspå sektorsövergripande användning av tjänster och förutse användning på klientgruppsnivå och till och med för en enskild klient?
Uppskattningsvis använder mindre än 10 procent av social- och hälsovårdsklienterna sektorsövergripande tjänster. I bakgrunden kan det finnas utmanande livssituationer, sjukdomar och sociala utmaningar.
Om vi kunde förutspå och förutse sektorsövergripande användning av tjänster kunde klienterna undvika att använda många olika tjänster och deras livskvalitet skulle förbättras. Samtidigt kan social- och hälsovårdskostnaderna eventuellt minska, då användningen av tjänsterna minskar.
Oönskade slutpunkter och en process på fyra nivåer
Vi genomför vårt projekt inom tjänsterna för äldre i Päijänne-Tavastland. Vi inledde arbetet med en workshop där vi definierade klientprofiler för sektorsövergripande användare av tjänster och sådana slutpunkter som vi önskar att klienterna inte skulle hamna i och som kunde förebyggas.
Som klientprofiler fastställdes
- minnessjuk som använder många olika tjänster
- person som lider av övervikt och därtill anslutna sjukdomar
- missbrukar- och mentalvårdsklient
- odiagnostiserad klient med många kontakter och ärenden i olika tjänster.
Härnäst fortsatte vi arbeta på fyra interaktiva nivåer.
1 Utveckling av förutseende
Till en början fastställde vi behoven av och målen för förutseende med tanke på ledning och klientarbetet. Dessutom fastställde vi hurdan information prognosmodellen borde producera för ledningen på klientgruppsnivå och för klienthandledarna om enskilda klienter.
Vi gick vidare för att granska nuvarande praxis för kunskapsbaserad ledning och klienthandledning, och därefter definierade vi sådan ny praxis för förutseende som kunde stödas av en prognosmodell baserad på artificiell intelligens.
I det här skedet funderade vi inte på vad som skulle vara tekniskt möjligt eller hur informationen från prognosmodellen skulle kunna utnyttjas enligt lagarna. Vi väntade på att de övriga delarna av projektet skulle framskrida.
2 Utveckling av prognosmodellen
För att utveckla modellen fick vi klient- och patientregisteruppgifter om 70–90-åringar i Päijänne-Tavastland 2018–2021. Uppgifterna omfattar uppgifter om social- och hälsovårdens servicebesök, såsom diagnoser och åtgärder, hemvårdsbesök samt uppgifter om socialservicens beslut och RAI-bedömningar. Uppgifterna behandlas utan personbeteckning i Findatas datasäkra Kapseli-användningsmiljö.
Först säkerställde vi kvaliteten på de uppgifter som hämtats från olika datasystem och redigerade uppgifterna i lämplig form för undersökningen.
Vi fortsätter arbetet med att kvantitativt definiera oönskade slutpunkter och prognosvariabler. Definitionen grundar sig på de klientprofiler som tidigare definierades under workshoppen.
I arbetet med att utveckla prognosmodellen jämför vi olika metoder som grundar sig på maskininlärning.
Vi siktar på en preliminär prototyp våren 2023. Utifrån prototypen kan vi bedöma modellens användbarhet i den operativa verksamheten och besluta om fortsatta utvecklingsåtgärder.
3 Realisering av prognosmodellen
När den nya modellen för artificiell intelligens tas i operativ användning ska den realiseras i användarorganisationens datatekniska system.
De olika inmatningskällor som modellen använder ska kopplas till beräkningsmaskinen och beräkningsresultaten ska förmedlas till de datasystem som serviceledningen och vårdpersonalen använder. Dessutom måste beräkningsresultaten från modellen kontinuerligt övervakas för att säkerställa kvaliteten.
Vid behov ska modellen omskolas. När modellen för artificiell intelligens tas i användning och i produktionsskedet behövs samarbete mellan dem som utvecklar och upprätthåller modellen samt de organisationer som utnyttjar de prognoser som modellen beräknar i sin verksamhet.
I det här projektet går vi dock inte vidare till produktionsanvändning.
4 Juridiska krav på utveckling och utnyttjande av prognosmodellen
Vi utreder också under vilka förutsättningar och hur personuppgifter kan utnyttjas inom ramen för EU:s allmänna dataskyddsförordning, Finlands lag om sekundär användning av personuppgifter inom social- och hälsovården och övrig lagstiftning. Vi undersöker för närvarande möjligheterna och begränsningarna i den nuvarande lagstiftningen.
Eftersom prognosmodellens avsedda syfte och förutsättningarna för att utnyttja dem är centrala faktorer i den juridiska bedömningen, analyserar vi också typiska situationer där prognosmodellerna utnyttjas.
Vi har dessutom intervjuat cirka 20 experter inom lagstiftning för att kartlägga problem. Dessa gäller bland annat utnyttjandet av prognosmodeller i förutseende på individnivå och till vissa delar utvecklingen av applikationer för artificiell intelligens i fråga om lagen om sekundär användning.
I projektets sista skede bedömer vi hur EU:s lagstiftningsprojekt, såsom förslagen om hälsodataområdet och rättsakten om artificiell intelligens, påverkar utvecklingen och utnyttjandet av prognosmodeller.
Resultatet är en handbok som stöd för välfärdsområdena
MAITE-projektet avslutas i juni 2023, då vi publicerar en handbok om utveckling av förutseende av sektorsövergripande användning av tjänster med hjälp av artificiell intelligens. Handboken är särskilt avsedd som stöd för välfärdsområdena, eftersom den strukturerar och förtydligar den artificiella intelligensens roll både i det förutseende ledarskapet och i klientarbetet.
Läs mer
MAITE-projektet (innokyla.fi) (på finska)
Juha Koivisto
ledande expert, THL
Jaakko Lähteenmäki
ledande forskare, Teknologiska forskningscentralen VTT Ab
Petri Kettunen
universitetsforskare, Helsingfors universitet
Juha Vesala
universitetslektor, Lapplands universitet