Konenäkö kehitysvammaisen asiakkaan hyvinvoinnin tukena

Konenäkö on tekoälyn osa, jolla voidaan analysoida ja tulkita kuvassa olevaa tietoa ennalta määritettyjen tietojen perusteella. Konenäön luotettava toimiminen edellyttää sitä, että tietokoneelle opetetaan, millaista tietoa sen halutaan kuvasta poimivan. (Lahti ym. 2022.)

TAINA-konenäöllä voidaan seurata ruokailua asiakkaan kotiin asennettavan kameran avulla. TAINA tunnistaa mitä, milloin ja kuinka paljon asiakas syö. Siitä voidaan laskea myös ruoan ravintoarvot. Alkuperäinen kuva ei päädy katseltavaan muotoon, vaan algoritmi poimii kuvista tarvittavan tiedon ja hävittää sitten materiaalin. Asiakkaan yksityisyydensuoja on turvattu. Hoitaja saa asiakkaan ravitsemuksen kannalta olennaiset tiedot, ja aikaa säästyy muihin hoito- ja hoivatehtäviin. (Smartbi 2022.)

[Alt-teksti: kaavakuva. Vasemmalla asiakas, jota tarkkaillaan. Kuvatiedot poistuvat roskakoriin. Olennainen tieto tallentuu. Lopuksi tiedot siirtyvät sote-alan ammattilaisen käyttöön.]
Kuva 1. TAINA-konenäköratkaisu. (Smartbi & PHHYKY 2022)

KOHTI-hanke ja kehittämiskokeilu 

Kehittämiskokeilun taustalta löytyy KOHTI-hanke (LAB 2022). Jyränti, Kaapro, Kouki, Kurki, Leivonen (2022) toteuttivat teknologia- ja innovaatio-opintojaksolla kehittämiskokeilun, jossa teemahaastattelun kautta pyrittiin selvittämään vammaispalvelujen tuetun asumisen tarvetta TAINA-konenäköratkaisulle ravitsemuksen seurannassa henkilökunnan näkökulmasta.

Kehitysvammaisten tuetun asumisen asiakkailla on usein haastetta ruokailun liittyen. Tutkimusten mukaan työntekijöiden tietoisuutta lisäämällä voidaan edistää asiakkaiden terveellisempiä valintoja ruokailun suhteen. Työntekijällä on tärkeä rooli asiakkaan opettamisessa ja motivoinnissa terveellisempiin valintoihin. (Sisirak 2011, 11.)

Ravitsemukseen liittyviä haasteita

Haastatteluun osallistuneet työntekijät pohtivat, miten syömiseen liittyvät erilaiset tunteet tulevat huomioiduiksi konenäköä käytettäessä. Syöminen voi olla sen verran yksityinen tilanne, ettei moni sen kuvaamiseen välttämättä suostu. Haasteena voi olla myös omaisten teknologiakielteisyys.

Haastattelussa nousi esiin asiakkaiden syömisen suhteen normaalia alhaisempi itsekuri. Muita mahdollisia ravitsemuksen seurannassa esiin tulevia ongelmia kehitysvammaisilla voivat olla liian vähäinen juominen, liian energiapitoisen tai hyvin ravinneköyhän ruuan syöminen, epäsäännölliset ruokailuajat sekä piilosyöminen.

Eettinen näkökulma on kehitysvammaisten ihmisten kohdalla mietittävä erityisen tarkkaan, sillä heidän ymmärryksensä tasoa voi olla vaikea arvioida. On pohdittava sitä, kuka määrittää riittävän ymmärryksen tason ja miten siihen suhtaudutaan suhteessa asiakkaan itsemääräämisoikeuteen.

Tavoitteena kokonaisvaltainen hyvinvointi

Haastattelussa selvisi, että tarvetta TAINAlle on, mutta sen käyttö voisi olla laajempaa ja kokonaisvaltaisempaa. Syömisen kartoittamiseen liittyy myös asiakkaan päivärytmin, lääkkeiden ottamisen ja kokonaishyvinvoinnin huomioiminen, jolloin ruokailuajankohdista voi selvitä paljon muutakin kuin vain ruokailun monipuolisuus.

Jos kehitysvammaisen asiakkaan ruokailuajankohdat vaihtelevat suuresti, voi se kertoa esimerkiksi epätasapainoisesta päivärytmistä, joka voi vaikuttaa lääkkeiden ottamisen ajankohtiin. Jos ne vaihtelevat suuresti, vaikuttaa se jo asiakkaan hyvinvointiin.

Konenäön käyttäminen voisi tulevaisuudessa olla arvokas työkalu kehitysvammaisen asiakkaan kotona asumisen ja kokonaisvaltaisen hyvinvoinnin tukemiseen.

Kirjoittajat

Linda Jyränti, Julia Kaapro, Paula Kouki, Johanna Kurki ja Laura Leivonen ovat LAB-ammattikorkeakoulun sosionomiopiskelijoita.

Anna Lahti työskentelee tuntiopettajana LAB-ammattikorkeakoulun Hyvinvointi-yksikössä sekä opettajana teknologia- ja  innovaatio-osaamisen opintojaksolla.

Lähteet

Jyränti, L., Kaapro, J., Kouki, P., Kurki, J. & Leivonen, L. 2022. Kehittämiskokeilusuunnitelma. Teknologia- ja innovaatio-osaaminen. Sosionomikoulutus. LAB-ammattikorkeakoulu.

LAB. 2022. KOHTI – Kotona asumista ja hoitotyötä tukeva teknologia. Hanke. Viitattu 11.11.2022. Saatavissa https://lab.fi/fi/projekti/kohti-kotona-asumista-ja-hoitotyota-tukeva-teknologia

Lahti, A., Makkula, S., Teräväinen, V., Sandelin, J., Karjalainen, J., Ikonen, R. & Somera, J. 2022. Konenäön mahdollisuudet sote- ja hyvinvointialoilla. Viitattu 9.11.2022. Saatavissa: https://www.theseus.fi/bitstream/handle/10024/704312/LAB_2022_Konen%C3%A4k%C3%B6.pdf?sequence=2&isAllowed=y

Sisirak, J. 2011. Community Supports for Adults with Intellectual Disabilities: Development of Nutrition Supports Scale. University of Illinois at Chicago. Thesis, Doctor of Philosophy in Public Health Sciences. Viitattu 11.11.2022. Saatavissa https://www.proquest.com/openview/e7d980fb1a0f43c3a8c1f551c184628b/1?pq-origsite=gscholar&cbl=18750

Smartbi. 2022. Konenäkö vanhustenhoidossa – kallis Big Brother -kokeilu vai tehokas apu osaajapulaan? Viitattu 11.11.2022. Saatavissa https://smartbi.fi/insights/konenaekoe-vanhustenhoidossa

Smartbi & PHHYKY. 2022. TAINA – älykäs avustin arkeen. PowerPoint.