Koneoppiminen ja massadata terveydenhuollossa

Terveydenhuollon järjestelmät tuottavat valtavan määrän uutta dataa päivittäin. Dataa on niin paljon, että puhutaan jo massadatasta. Tästä datasta on mahdollista etsiä tietämystä, jolla terveydenhuoltoa pystyttäisiin parantamaan ja tehostamaan. Massadataa tutkitaan erityisesti tiedonlouhinnan ja koneoppimisen algoritmeja hyödyntämällä. Massadatan hyödyntäminen on muilla aloilla arkipäivää jo useita vuosia, mutta terveydenhuollossa se ei ole läheskään yhtä pitkälle kehittynyt. Terveydenhuollon massadatan hyödyntämisessä onkin omat haasteensa ja esteensä, jotka on onnistuttava ratkaisemaan ennen kuin siitä pystytään tuottamaan mitään arvokasta. Tämä tutkimus tutkii kirjallisuuskatsauksen muodossa, mitä uniikkeja ominaisuuksia ja haasteita terveydenhuollon massadatan hyödyntäminen pitää sisällään. Samalla tutkitaan mitä asioita koneoppimisen avulla pystyttäisiin parantamaan. Tutkimus keskittyy erityisesti massadatan analysointiin ja hyödyntämiseen koneoppimisen näkökulmasta. Tutkimuksessa havaittiin, että massadatan tehokkaan hyödyntämisen esteenä on itse datan luonteesta aiheutuvat haasteet kuten datan epätäydellisyys, joka vaikeuttaa suoraan mallien kouluttamista nykyisillä algoritmeilla. Koneoppimista hyödyntämällä pystyttäisiin automatisoimaan toistuvia kliinisiä tehtäviä kuten hoitohistorian läpikäyntiä, varmentamaan hoidon oikeellisuutta sekä tarjoamaan tukea hoitopäätösten teossa.