Tekoälystä puhutaan terveydenhuollossa usein diagnostiikan, potilasturvallisuuden ja kliinisen päätöksenteon näkökulmasta. Vähemmälle huomiolle jää, että tekoäly muuttaa samalla myös johtamista. Kyse ei ole vain uudesta teknologiasta, vaan strategisesta muutoksesta: miten terveydenhuollon organisaatiot käyttävät tietoa, ennakoivat palvelutarvetta ja kohdentavat rajallisia resursseja.
Ensi- ja akuuttihoidossa tämä muutos on erityisen ajankohtainen. Päätöksiä tehdään nopeasti, epävarmuuden keskellä ja usein tilanteissa, joissa resurssit ovat jo valmiiksi kuormittuneita. Tekoäly voi tukea johtamista tuottamalla aiempaa parempaa tilannekuvaa esimerkiksi potilasvirroista, kuormituspiikeistä ja resurssien käytöstä. Sriharan ym. (2024) korostavat, että tekoälyn käyttöönotto terveydenhuollossa edellyttää johtajuutta strategisella, operatiivisella, teknologisella ja organisatorisella tasolla. Tämä tekee tekoälystä ennen kaikkea johtamiskysymyksen, ei pelkästään teknisen kehittämishankkeen.
Ensihoito tarvitsee datasta johdettua toimintaa
Ensihoidon johtamisessa keskeistä on oikean avun kohdentaminen oikeaan paikkaan oikeaan aikaan. Tässä tekoäly voi tarjota konkreettista tukea. Wang ym. (2023) kehittivät koneoppimiseen perustuvan mallin ensihoidon hätäkeskuksen tarpeeseen, jossa hyödynnettiin yli 360 000 hätäpuhelusta saadun aineiston tietoja. Tutkimuksessa malli vähensi yliluokittelua 15 prosenttiyksikköä verrattuna hätäkeskuspäivystäjiin, säilyttäen samalla vastaavan aliluokittelun tason. Voidaankin olettaa, että tekoälymallilla olisi potentiaalia toimia realistisena päätöksenteon tukityökaluna hätäkeskuksen päivystäjille.
Johtamisen näkökulmasta tällainen tutkimus on kiinnostava, koska se osoittaa, miten tekoälyä voidaan käyttää päätöksenteon tukena tilanteissa, joissa resurssien tarkoituksenmukainen käyttö on kriittistä. Tekoäly ei korvaa ammattilaisen harkintaa, mutta se voi auttaa tunnistamaan sellaisia säännönmukaisuuksia, joita ihminen ei kiireisessä toimintaympäristössä yksin pysty havaitsemaan. Esihenkilöiden ja sote-johtajien näkökulmasta keskeinen kysymys on, miten tekoälyä johdetaan niin, että se tukee ammattilaisten työtä eikä lisää hallinnollista kuormaa.
Työ muuttuu — siksi myös johtamisen on muututtava
Akuuttihoidossa tekoäly vaikuttaa myös työn organisointiin. Boonstra & Laven (2022) tarkastelivat systemaattisessa kirjallisuuskatsauksessaan tekoälyn käyttöä päivystyksissä ja havaitsivat, että tekoälyä hyödynnetään erityisesti kliinisen päätöksenteon tukena ja potilasluokittelussa. Samalla tekoäly voi vaikuttaa siihen, miten päivystyksen työnkulkuja, työnjakoa ja ammattilaisten rooleja suunnitellaan.
Tämä haastaa esihenkilöt ja sote-johtajat pohtimaan tekoälyn käyttöönottoa laajemmin kuin yksittäisenä järjestelmäuudistuksena. On ratkaistava, mitä ongelmaa tekoälyllä halutaan ratkaista, millaista dataa käytetään, kuka vastaa päätöksistä ja miten muutoksen vaikutuksia seurataan. Ilman selkeää johtamista tekoäly voi jäädä irralliseksi kokeiluksi, jonka todellinen hyöty jää vähäiseksi.
Tekoälyosaaminen on tulevaisuuden johtamisosaamista
Tekoälyn merkitys ensihoidon ja akuuttihoidon johtamisessa todennäköisesti kasvaa. Elfahim ym. (2025) kuvaavat katsauksessaan, että tekoälyä tarkastellaan ensihoidossa muun muassa operatiivisen tehokkuuden, päätöksenteon tuen ja resurssien käytön näkökulmista. Katsauksessa nousi esille myös tekoälyn käytettävyys kliinisessä päätöksenteossa ensihoidossa esimerkiksi aivohalvauspotilaiden hoidon osalta. Samalla tutkimus nostaa esiin haasteita, kuten mallien selitettävyyden ja käytettävän datan puutteet.
Tulevaisuuden sote-johtajan ei tarvitse olla tekoälyasiantuntija, mutta hänen on ymmärrettävä tekoälyn mahdollisuudet ja rajat. Tekoälyn johtaminen on luottamuksen, osaamisen ja muutoksen johtamista. Ensi- ja akuuttihoidossa tekoälyn arvo syntyy vasta silloin, kun se tukee ammattilaisten työtä, parantaa päätöksenteon laatua ja auttaa rakentamaan turvallisempaa, vaikuttavampaa ja kestävämpää palvelujärjestelmää.
Kirjoittaja:
Antti Tanninen on LAB-ammattikorkeakoulun hyvinvointiyksikössä työskentelevä ensihoidon lehtori, joka toimii opettajana muun muassa johtamisen opintokokonaisuuksissa. Hänen mielenkiintonsa kohteina ovat johtamisen ja osaamisen kehittäminen sekä sote-palveluiden rakenteet.
Lähteet
Boonstra, A. and Laven, M. 2022. Influence of artificial intelligence on the work design of emergency department clinicians: a systematic literature review. BMC Health Services Research, 22, 669. doi: 10.1186/s12913-022-08070-7.
Elfahim, O., Edjinedja, K.L., Cossus, J., Youssfi, M., Barakat, O. and Desmettre, T. 2025. A systematic literature review of artificial intelligence in prehospital emergency care. Big Data and Cognitive Computing, 9(9), 219. doi: 10.3390/bdcc9090219.
Sriharan, A., Sekercioglu, N., Mitchell, C., Senkaiahliyan, S., Hertelendy, A., Porter, T. and Banaszak-Holl, J. 2024. Leadership for AI transformation in health care organization: scoping review. Journal of Medical Internet Research, 26, e54556. doi: 10.2196/54556.
Wang, H., Ng, Q.X., Arulanandam, S., Tan, C., Ong, M.E.H. and Feng, M. 2023. Building a machine learning-based ambulance dispatch triage model for emergency medical services. Health Data Science, 3, Article 0008. doi: 10.34133/hds.0008.
