Tietopohja ja semantiikka· 3 min· · Antti Brunni
Tekoäly ei skaalaudu terveydenhuollossa ilman semanttista tietopohjaa
Terveydenhuollon tekoälykeskustelu alkaa usein mallista: mitä se ennustaa, millaisen päätöksenteon tuen se mahdollistaa ja kuinka nopeasti siitä saadaan pilotti. Dataan palataan vasta, kun ratkaisu ei toimi odotetulla tavalla.
Malleja on. Kysymys on, voiko mallille annettavaan tietoon luottaa.
Data syntyy hajanaisessa ympäristössä
Potilastietojärjestelmät, erillisjärjestelmät, paikalliset kirjaamiskäytännöt, kansalliset koodistot ja raportointia varten rakennetut tietoputket muodostavat kokonaisuuden, joka ei luontaisesti tuota yhtenäistä tietopohjaa. Sama kliininen ilmiö voi näkyä eri järjestelmissä eri koodeilla, eri tarkkuudella ja eri merkityksessä, joten yhteensopivuus ratkeaa vasta, kun tiedon sisältö on yhteinen.
Toukokuussa 2026 julkaistu policy brief Semanttinen tietopohja ratkaisee terveydenhuollon tekoälyn skaalautumisen käsittelee tätä kysymystä. Tekoälyn hyödyntäminen ratkeaa sillä, miten terveydenhuollon tietotuotanto on rakennettu, omistettu ja johdettu.
Monessa organisaatiossa tietotuotanto on kehittynyt vuosien aikana raportointi- ja käyttötapaus kerrallaan. Yksittäiseen tarpeeseen on rakennettu tietoputki, sen päälle raportti, sen rinnalle toinen ratkaisu ja myöhemmin kolmas. Lopputuloksena käsittelylogiikka on hajallaan eri skripteissä, raporttikerroksissa, integraatioissa ja asiantuntijoiden muistissa.
Tällainen ympäristö voi toimia jonkin aikaa, mutta se ei ole vakaa perusta tekoälyn tuotantokäytölle. Kun kirjaamiskäytäntö muuttuu, muutosta ei välttämättä saada hallitusti kaikkiin kohtiin. Kun henkilö vaihtaa tehtävää, osa tietotuotannon logiikasta katoaa. Kun datassa on virhe, se havaitaan usein vasta raportoinnin tai analyysin loppuvaiheessa. Kehittäminen on hidasta ja ylläpito raskasta.
Tietotuotantoa johdetaan kuten ohjelmistoa
Data as Software -ajattelun lähtökohta on, että terveydenhuollon tietotuotantoa johdetaan ohjelmistokehityksen kaltaisena tuotantona. Data on kriittinen osa palvelujen, johtamisen, tutkimuksen ja tekoälyn toimintakykyä.
Käytännössä tietotuotannolla on oltava omistajuus, dokumentaatio, testaus, versionhallinta, muutoshallinta ja selkeä arkkitehtuuri. Tiedon merkitys on kuvattu, testattavissa ja hallittavissa, eikä se ole yksittäisen asiantuntijan tulkinnan varassa.
Käsitteet yhdenmukaistetaan ennen mallia
Terveydenhuollossa ei riitä, että data saadaan teknisesti siirrettyä järjestelmästä toiseen. On ymmärrettävä, mitä tieto tarkoittaa. Diagnoosit, toimenpiteet, lääkitykset, laboratoriotulokset ja hoitoprosessin vaiheet ovat kliinisiä käsitteitä, joiden merkitys vaikuttaa suoraan siihen, millaisia johtopäätöksiä datasta voidaan tehdä.
Jos merkitystä ei yhdenmukaisteta, tekoäly oppii järjestelmien, kirjaamiskäytäntöjen ja paikallisten prosessien eroja kliinisesti olennaisten ilmiöiden sijaan. Mallin suorituskyky voi näyttää rajatussa pilotissa hyvältä, mutta ratkaisu ei kestä siirtoa toiseen ympäristöön tai laajempaan käyttöön.
Julkaisussa esitetään, että terveydenhuollon tietoarkkitehtuuriin tarvitaan selkeä semanttinen kerros. Sen tehtävä on muuntaa heterogeeninen lähdedata yhtenäisiksi ja kliinisesti mielekkäiksi käsitteiksi, ennen kuin tietoa käytetään tekoälyn, analytiikan tai päätöksenteon pohjana. Se on edellytys sille, että tietopohja skaalautuu.
Hankinnoissa arvioidaan semanttista laatua
Samasta syystä data- ja tekoälyhankintojen pitäisi muuttua. Hankinnoissa tulisi arvioida semanttista laatua, datakontrakteja, versionhallintaa, dokumentaatiota ja tuotantokelpoisuutta. Muuten ostetaan helposti ratkaisuja, jotka näyttävät toimivilta esittelyssä mutta jäävät kiinni arjen tietopohjan ongelmiin.
Suomella on tässä asiassa hyvä lähtökohta. Kansalliset rekisterit, koodistot, suhteellisen yhtenäinen sosiaali- ja terveydenhuollon rakenne ja vahva tutkimusperinne tarjoavat pohjan, jota monessa maassa ei ole. Etu realisoituu, kun tietotuotanto rakennetaan pysyväksi kyvykkyydeksi.
Terveydenhuollon tekoäly tarvitsee tietopohjan, joka kestää kliinisen käytön, auditoinnin, muutokset ja tuotantoympäristön vaatimukset. Keskustelu kannattaa aloittaa siitä, miten data tuotetaan, mitä se tarkoittaa ja kuka vastaa siitä.