Diagnostisen kuvantamisen tekoälytuotteiden hallintomalli

Hankkeen nimi

Diagnostisen kuvantamisen tekoälytuotteiden hallintomallin ja käytön kansallinen skaalaus

Hankkeen kesto

1.6.2026 – 31.12.2027

Hankkeen rahoitus

Sitra ja HUS

Hankkeen visio ja tavoite

Hankkeessa halutaan rakentaa kansallinen yhteistyöverkosto sekä kartoittaa nykyisiä toimintamalleja ja oppia niistä. Lisäksi halutaan tunnistaa parhaat käytännöt ja yhteiset kehittämiskohteet ja selvittää, onko yhteinen kansallinen AI-alusta uhka vai mahdollisuus.

Hankkeen aikana tehdään selvitys tekoälyalustojen kansallisesta hyödystä ja siitä, miten tekoälyalustat voisivat vähentää integraatiokustannuksia ja nopeuttaa käyttöönottoa. Lisäksi tehdään kartoitus kansallisesta kiinnostuksesta yhteisiin tekoälyalustoihin. Tavoitteena on luoda kansallisesti yhtenäinen, kustannustehokas ja turvallinen hallintomalli tekoälyn hyödyntämiseen diagnostisessa kuvantamisessa.

Hankkeen projektitiimi

Projektitiimi koostuu Diagnostiikkakeskuksen tekoälytiimistä ja digiradiologeista, joilla on moniammatillinen asiantuntemus tekniikan, kliinisen työn, datanhallinnan, laadunvalvonnan sekä sääntelyn osa-alueilla.

Hankkeen merkittävyys 

Radiologiassa hyödynnetään jo laajasti kaupallisia tekoälysovelluksia ja markkinoilla on jo yli 300 CE-merkittyä tekoälypohjaista lääkinnällistä laitetta. Tekoälyllä on merkittävä potentiaali sujuvoittaa diagnostiikkaa, vapauttaa henkilöstön työaikaa ja parantaa hoitoprosessien tehokkuutta kasvavan palvelutarpeen keskellä. Tästä huolimatta tekoälysovellusten käyttö kliinisessä työssä on edelleen melko rajallista. 

Keskeisiä käyttöönoton esteitä ja hidasteita ovat:

• haasteet sovittaa tekoäly olemassa oleviin työnkulkuihin, muokata työnkulkuja tekoälyä hyödyntäviksi sekä työnkulkujen pysyvä AI-implementaatio
• vakiintuneet työtavat ja muutosvastarinta
• rajalliset resurssit ja rahoitus
• vaikeudet muuntaa markkinoilla olevien tuotteiden ominaisuudet konkreettisiksi kliinisiksi hyödyiksi
• puutteellinen koulutus ja osaaminen uusien teknologioiden hyödyntämisessä
• yhtenäisten toimintamallien puute tekoälysovellusten arviointiin, käyttöönottoon, käytönaikaiseen seurantaan ja vaikuttavuuden arviointiin, mikä voi aiheuttaa päällekkäistä työtä, vaihtelevaa laatua ja riskiä ottaa käyttöön kliinisesti tai taloudellisesti tehottomia ratkaisuja, jotka voivat johtaa osaoptimointiin ja vaarantaa potilasturvallisuutta. 

Riskialttiiden tai tehottomien tuotteiden tunnistaminen ja karsiminen on keskeinen osa laadukasta hallintamallia.

Parhaimmillaan tekoäly voi merkittävästi tehostaa diagnostisen kuvantamisen palveluita, lisätä henkilöstön hyvinvointia, vähentää manuaalista työtä, parantaa diagnostiikan laatua sekä nopeuttaa potilaiden hoitopolkuja. Tekoälyn avulla voidaan esimerkiksi:

• lyhentää kuvausaikoja ja nopeuttaa työnkulkuja sekä läpimenoaikoja
• lisätä kuvantamiskapasiteettia nykyisillä resursseilla, mikä tuo kustannussäästöjä
• parantaa kuvanlaatua ja potilasturvallisuutta sekä mahdollistaa pienempien säteilyannosten käyttö
• tunnistaa poikkeamia systemaattisesti ja tuottaa tietoa työnkulkujen, ohjeistusten ja toimintatapojen jatkuvaan kehittämiseen sekä mahdollistaa täysin uudentyyppisiä tehostettuja työnkulkuja.

Yhtenäisen hallintomallin avulla halutaan varmistaa, että tekoälyä hyödynnetään hallitusti tavalla, joka tuottaa todellista hyötyä potilaille, ammattilaisille ja terveydenhuollon organisaatioille.

Hankkeen odotetut tulokset

Hankkeessa kehitetty tekoälytuotteiden hallintomalli kuvataan vertaisarvioidussa tieteellisessä julkaisussa, mikä tukee sen luotettavuutta ja kansallista hyödynnettävyyttä.

Kansallinen käyttöönotto- ja koulutuspaketti julkaistaan avoimeen ja vapaaseen käyttöön. Käyttöönotto- ja koulutuspaketti sisältää prosessikuvaukset, mittaristot, ohjeistukset, raporttipohjat, koulutusmateriaalit sekä muut tekoälyratkaisujen arviointia, käyttöönottoa ja seurantaa tukevat ohjeet.

Päijät-Hämeen pilotissa arvioidaan hallintomallin toimivuutta erilaisessa toimintaympäristössä ja tuotetaan näyttöä tekoälyn vaikutuksista murtumadiagnostiikan suorituskykyyn, käytettävyyteen ja tuottavuuteen.

Hankkeen tulosten pohjalta laaditaan suosituksia valtakunnallisiin muutoksiin.

Hankkeessa luotava diagnostisen kuvantamisen tekoälytuotteiden hallintomalli kokoaa yhteen tekoälytuotteiden testauksen ja arvioinnin, käyttöönoton ja laadunvalvonnan sekä käytönaikaisen seurannan. Malli vähentää päällekkäistä työtä, selkeyttää vastuita, keventää hallinnon tuomia välillisiä kustannuksia ja tukee tekoälyn hyötyjen todentamista automatisoiduilla mittareilla.

Hallintomalli perustuu moniportaiseen lähestymistapaan, jossa huomioidaan toimittajaraportit, tekoälyn tuottamien löydösten vertailu radiologisiin lausuntoihin sekä kliinisen vaikuttavuuden analytiikka.

Hallintomallin pohjana on HUSissa kehitetty, tieteellisen vertaisarvioinnin läpikäynyt tekoälyn testaus- ja käyttöönottoprosessi, jonka avulla on tähän mennessä arvioitu 56 kaupallista tekoälyratkaisua. Niistä 12 on otettu tuotantokäyttöön niiden osoitettua prosessin kautta objektiivisia ja konkreettisia tuottavuus- ja laatuhyötyjä. Samalla prosessi on estänyt tai lopettanut 36 kliiniseen toimintaan soveltumattoman tai epätaloudellisen ratkaisun käyttöönoton.

Päijät-Hämeen hyvinvointialue toimii hankkeen pilottikumppanina YTA-alueen yhteistyönä. Heillä käytössä olevat eri potilastiedon ja kuvantamisen järjestelmät tarjoavat tärkeän ympäristön hallintomallin paikallisen skaalautuvuuden arviointiin.

Hankkeen osana tehdään Päijät-Hämeen hyvinvointialueen kanssa murtumadetektiopilotti, jonka tavoitteena on arvioida hallintomallin skaalautuvuutta erilaisessa toimintaympäristössä sekä saada näyttöä tekoälyn vaikutuksista murtumadiagnostiikan laatuun, käytettävyyteen ja tuottavuuteen.

Työskenteletkö omassa organisaatiossasi kuvantamisen tekoälyn kanssa? Vastaa kyselyymme, jolla kartoitamme kansallista hallintomallien, valmiuksien ja vaikuttavuuden arvioinnin tilaa. Kysely on auki 1.10 asti.

Diagnostisen kuvantamisen tekoälyn hallintomallit, valmiudet ja vaikuttavuuden arviointi – Täytä lomake

Jos haluat jatkossa kuulla lisää hankkeen etenemisestä tai saada kutsuja yhteistyötapahtumiin, voit lähettää yhteystietosi hankkeen projektipäällikkö Mirva Savoselle.

Kuule lisää hankkeesta ja tekoälytyökalujen käytöstä:

Onkologiapäivät 10.9.2026: Miten tekoälytyökaluja otetaan kliiniseen käyttöön radiologialla? Suvi Syväranta, radiologian erikoislääkäri, Radiologian digityökalujen prosessinomistaja, Diagnostiikkakeskus

”Laatu kuuluu kaikille” koulutuspäivä, Tampere 10.9.2026: Miten tekoälyn avulla voidaan valvoa laatua? Juuso Ketola, sairaalafyysikko, Diagnostiikkakeskus

”Laatu kuuluu kaikille” koulutuspäivä, Tampere 10.9.2026: Miten tekoälyratkaisun itsensä laatua valvotaan? Satu Inkinen, sairaalafyysikko, Diagnostiikkakeskus

Radiologia uutta ja vanhaa, Oulu 17.9.2026: Kakkoskuskina tekoäly, Suvi Syväranta, radiologian erikoislääkäri, Radiologian digityökalujen prosessinomistaja, Diagnostiikkakeskus

HUSin Keuhkosairauksien klinikkameeting 19.10.2026: AI ja radiologia, Suvi Syväranta, radiologian erikoislääkäri, Radiologian digityökalujen prosessinomistaja, Diagnostiikkakeskus

Diagnostiikkakeskuksen esihenkilöpäivät 21.10.2026: Radiologian tekoälytilanne, Suvi Syväranta, radiologian erikoislääkäri, Radiologian digityökalujen prosessinomistaja, Diagnostiikkakeskus

HUSin Sisätautien klinikkameeting 28.10.2026: Radiologisen sydänkuvantamisen perusteet, Suvi Syväranta, radiologian erikoislääkäri, Radiologian digityökalujen prosessinomistaja, Diagnostiikkakeskus

Sädeturvapäivät 30.10.2026: SRY:n tekoälyjaoston toiminta ja tarkoitus, Suvi Syväranta, radiologian erikoislääkäri, Radiologian digityökalujen prosessinomistaja, Diagnostiikkakeskus

Sädeturvapäivät 30.10.2026: Tekoälyn käyttöönotto sairaalassa, Juuso Ketola, sairaalafyysikko, Diagnostiikkakeskus

HUSin Käsikirurgian klinikkameeting 4.11.2026: Tekoäly HUSin Radiologialla, Suvi Syväranta, radiologian erikoislääkäri, Radiologian digityökalujen prosessinomistaja, Diagnostiikkakeskus

Julkisten hankintojen ajankohtaisfoorumi 12.11.2026: Miten hankinta- ja substanssiosaaminen yhdistetään innovatiiviseksi kilpailutukseksi, Suvi Syväranta, radiologian erikoislääkäri, Radiologian digityökalujen prosessinomistaja, Diagnostiikkakeskus

Duodecimin koulutuspäivä pää- ja kaulakeskus 10.12.2026: Tekoälytyökalujen käyttöönottoprosessi Radiologialla, Suvi Syväranta, radiologian erikoislääkäri, Radiologian digityökalujen prosessinomistaja, Diagnostiikkakeskus

Mitä kliinikon pitäisi tietää radiologisesta tekoälystä?

Tekoälyn hyödyt tarvitaan koko hoitoketjuun – Web Fellows Oy

Diagnostisen kuvantamisen tekoälytuotteiden hallintomallin ja käytön kansallinen skaalaus

Testing process for artificial intelligence applications in radiology practice

Deployment process for artificial intelligence applications in radiology practice