tekoäly
Kuvantamisaika peruuntuu. Potilas ei pääse PET-kuvaukseen, koska laite on varattu viikoiksi eteenpäin – tai tutkimus on liian kallis. Lääkärin pöydällä on kuitenkin jo muita tuloksia: yksi aivokuvaustyyppi ja muutama kliininen tietoarvo. Ennen tilanne merkitsi usein kompromissia: joko odotetaan lisää kuvia tai tehdään päätöksiä vajavaisella aineistolla. Tätä käytäntöä on pitkään pidetty väistämättömänä.
tekoäly
Ajatuksensa auki kirjoittava kielimalli on usein tarkempi mutta hidas – uusi lähestymistapa säästää aikaa ja vaivaa ilman suurta hinnanlaskua tarkkuudessa. Kysy itseltäsi kaksi kysymystä. Ensimmäinen: mikä on syntymäpäiväsi? Toinen: jos potilaalla on joukko oireita, mikä sairaus niitä parhaiten selittää? Ensimmäiseen vastaat salamannopeasti. Jälkimmäinen vaatii pysähtymistä, välivaiheita ja perusteluja. Ihmiset osaavat vaihdella
tekoäly
Moni lääkäri tunnistaa tilanteen: potilaan tiedosto on puolillaan tyhjiä kohtia. Yksi laboratorioarvo jäi ottamatta, toinen on mitattu eri laitteella, kolmas puuttuu kokonaan kiireen takia. Silti päätöksiä on tehtävä – ja yhä useammin avuksi ehdotetaan algoritmeja. Mutta mitä jos malli vaihtaa mieltään aina, kun jokin sarake jää tyhjäksi? Terveydenhuollon tekoälyyn on pitkään
tekoäly
Kuvittele, että lääkelaastari pitäisi testata alusta loppuun ennen kuin siitä tietää, vapauttaako se vaikuttavan aineen tasaisesti vai ei. Laboratoriossa se tarkoittaa odottamista: tunteja, joskus päiviä. Jos jokin menee pieleen, koe alkaa alusta. Entä jos riittäisi vain ensimmäiset tunnit, ja loppu osattaisiin päätellä luotettavasti jo silloin? Perinteisesti vaihtoehtoja on ollut kaksi.
tekoäly
Kun kysyy tekoälyltä terveysaiheisen kysymyksen, vastaus tulee usein sujuvasti – mutta syy-seurausketju jää piiloon. Jos pyytää perustelemaan askel askeleelta, malli alkaa helposti hapuilla. Tämä on tuttu ristiriita: kielimallit loistavat matematiikan kaavoissa ja ohjelmointitehtävissä, mutta kompuroivat erikoisalojen monivaiheisessa päättelyssä. Viime vuodet ovat opettaneet yhden perusvireen: suurempi malli ja enemmän dataa tuottaa parempia