Lasten ja nuorten tekoälyyn perustuvan oirearvioinnin turvallisuus ja luotettavuus

Digitaalisia terveystekniikoita (DHT) kehitetään yhä enemmän tukemaan terveydenhuoltojärjestelmiä kaikkialla maailmassa. Heiltä puuttuu kuitenkin usein näyttöön perustuva lääketiede ja lääketieteellinen validointi. Länsimaissa on suuri tarve kohdentaa terveydenhuollon resurssit tarkasti ja antaa väestölle yksityiskohtaista ja luotettavaa terveystietoa, joka mahdollistaa suuremman vastuun ottamista terveydestä. Älykäs potilasvirran hallintajärjestelmä (IPFM, tuotenimi Klinik Frontline) on kehitetty vastaamaan näihin tarpeisiin. Käytännössä IPFM:ää käytetään päätöksenteon tukena triaging- ja diagnostisissa prosesseissa sekä potilasvirtojen hallinnan automatisoinnissa. IPFM:n ydin on kliininen tekoäly (AI), joka hyödyntää lääkäreiden tuottamaa kattavaa lääketieteellistä tietokantaa kliinisistä korrelaatioista.

Tämän tutkimuksen tutkimuspopulaatio koostuu Turun yliopistollisen sairaalan (TUH) Lastentautien päivystyksen potilaista. Tietoja kerätään 6 kuukauden pilotoinnin aikana, jonka jälkeen tulokset analysoidaan. Tutkimuspotilaiden arvioitu määrä on vähintään 500 potilasta, tavoitteena 1 000. Sairaalassa hoidettaessa potilaat tai heidän huoltajansa raportoivat väestötietonsa, taustatietonsa ja oireensa strukturoidulla IPFM-verkkolomakkeella. IPFM:stä saadut tulokset ovat sokkoutuneet terveydenhuollon ammattilaisilta, eikä IPFM vaikuta ammattilaisen kliiniseen päätöksentekoon. IPFM-verkkolomakkeella saadut tiedot sekä päivystyksen ja TUH:n kliiniset tiedot analysoidaan tiedonkeruun jälkeen. Tutkimuksen päätavoitteena on validoida IPFM:n käyttö arvioimalla IPFM-tuotannon yhteyttä 1) olosuhteiden kiireellisyyteen ja vakavuusasteeseen; ja 2) lääkäreiden todelliset diagnoosit. Tutkimuksen päähypoteesit ovat, että 1) IPFM on turvallinen ja herkkä arvioimaan päivystykseen saapuvien potilaiden olosuhteiden kiireellisyyttä ja että 2) IPFM:llä on riittävä erotusdiagnoosin korrelaatio lääkärin tekemän todellisen diagnoosin kanssa.