AI hoitotyössä - Tekoäly kolleganasi: opintojakso sairaanhoitajaopiskelijoille

Tekoäly on tullut hoitotyöhön jäädäkseen, ja sen mahdollisuudet näkyvät monissa terveydenhuollon järjestelmissä: potilastietojen kirjaamisessa, kuvantamisen ja laboratoriotulosten analytiikassa, lääkitysturvallisuuden seurannassa sekä asiakkaiden omahoitoa tukevissa digipalveluissa (Alowais ym. 2023). Tekoälyn kehitys on nopeaa samalla kun terveydenhuollon toimintaympäristö kiristyy mm. hyvinvointialueiden rahoituksen osalta. Tiedon määrä kasvaa, potilaiden hoidon tarpeet monimutkaistuvat ja henkilökunta joutuu tekemään entistä enemmän päätöksiä aikapaineessa. Juuri näistä syistä johtuen tulevien sairaanhoitajien on tärkeää ymmärtää, mitä tekoäly on, miten se toimii ja milloin siihen voi luottaa (De Gagne, 2023). Tekoäly ei ole vain uusi tekninen lisä, vaan mahdollinen työkalu, joka voi auttaa sairaanhoitajaa priorisoimaan työtään, tunnistamaan riskejä ja vapauttamaan aikaa potilaan kohtaamiselle (Ronquillo ym. 2021). Pedagogisesta näkökulmasta tekoälyosaamisen integroiminen sote-alan koulutukseen vaatii uudenlaisia opetusmetodeja ja opetussisältöjen päivittämistä (Montejo ym. 2024).

Kokonaiskuva tekoälystä hoitotyön työkaluna

Seinäjoen ammattikorkeakoulun hoitotyön koulutuksessa olemme kehittäneet sairaanhoitajaopiskelijoille verkossa itsenäisesti suoritettavan opintojakson “AI hoitotyössä – tekoäly kolleganasi”. Opintojakso on tuotettu työelämälähtöisesti yhteistyössä muun muassa Etelä-Pohjanmaan hyvinvointialueen kanssa.  Opintojakson taustalla on havainto siitä, että tekoälyosaaminen jää helposti irralliseksi kokeiluksi tai yksittäisten sovellusten harjoitteluksi ja tekoälylukutaito on merkittävä kompetenssi valmistuville sairaanhoitajille (Lifshits & Rosenberg, 2024.) Tällä hetkellä opiskelevat sote-alan ammattikorkeakouluopiskelijat ovat ensimmäinen sukupolvi, joka valmistuu työelämään, jossa tekoäly on jo luonnollinen osa hoitotyötä (Labrague ym. 2023). Hoitotyössä tekoäly liittyy suoraan potilasturvallisuuteen, eettiseen vastuuseen ja ammatilliseen päätöksentekoon. Siksi opintojakson tavoitteena on rakentaa opiskelijoille kokonaiskuva tekoälystä hoitotyön työkaluna: mitä se voi parhaimmillaan tehdä, mitä se ei voi tehdä, ja miten sairaanhoitaja pysyy aina vastuullisena toimijana.

Opintojakso alkaa tekoälyyn liittyvän peruskäsitteistön rakentamisella. Opiskelijat pohtivat omaa suhtautumistaan tekoälyyn ja sitä millaisen mielikuvan he saavat tekoälyn hyödynnettävyydestä median kautta. Tämän jälkeen opiskelijat siirtyvät eettiseen pohdintaan ja yhdistävät tekoälyn käyttöä potilastapauksiin. He oppivat tarkastelemaan tekoälyn roolia muun muassa potilaan hoidon suunnittelussa. Potilaan hoitoon liittyvät eettiset näkökulmat, kuten tietosuoja, kulkevat tekoälyn käytön oppimisen mukana läpi koko opintojakson. Opiskelijat perehtyvät tietosuojaan tekoälyä koskien ja siihen, mitä EU:n tekoälysääntely tarkoittaa terveydenhuollossa.

Opintojakson opetusmenetelmänä käytetään case-perustaista oppimista, jossa opiskelijat ratkaisevat aitoja hoitotyön tilanteita tekoälyä hyödyntäen. He harjoittelevat kysymään eli promptaamaan tekoälyltä kliinisesti tarkoituksenmukaisia kysymyksiä, arvioimaan vastauksia suhteessa luotettavaan näyttöön perustuvaan tietoon ja perustelemaan oman ratkaisunsa. Opintojakson arviointi perustuu kirjalliseen tehtävään, jossa opiskelija suunnittelee potilaan hoidon tekoälyä hyödyntäen ja perustelee valitsemansa toimintamallin näyttöön perustuvalla tiedolla.

Tavoitteemme opettajina on, että opintojakson käynyt opiskelija näkee tekoälyn realistisesti: hyödyllisenä kollegana, joka voi tukea hoitotyötä, mutta ei koskaan korvata ammatillista näyttöön perustuvaa tietoa. Pyrimme rakentamaan tulevaisuuden hoitotyötä, jossa inhimillinen kohtaaminen ja älykäs teknologia vahvistavat toisiaan ja toiminta tapahtuu potilaan parhaaksi.

Marjut Asunmaa
TtM, lehtori, koulutuspäällikkö
SEAMK

Tiina Koskela
TtM, asiantuntija-lehtori
SEAMK

Lähteet

Alowais, S.A., Alghamdi, S.S., Alsuhebany, N., Alqahtani, T., Alshaya, A.I., Almohareb, S.N., Aldairem, A., Alrashed, M., Saleh, K.B., Badreldin, H.A., Al Yami, M.S., Al Harbi, S., & Albekairy, A.M. (2023). Revolutionizing healthcare: the role of artificial intelligence in clinical practice. BMC Medical Education 23, 689. https://doi.org/10.1186/s12909-023-04698-z

DeGagne, J.C.D. (2023). The state of artificial intelligence in nursing education: Past, present, and future directions. International Journal of environmental research and public health 20(6), 4884. DOI: https://doi.org/10.3390/ijerph20064884

Labrague, L.J., Aguilar-Rosales, R., Yboa, B.C., Sabio, J.B., & de Los Santos, J.A. (2023). Student nurses’ attitudes, perceived utilization, and intention to adopt artificial intelligence (AI) technology in nursing practice: A cross-sectional study. Nurse Education in Practice 73:103815.  10.1016/j.nepr.2023.103815

Lifshits, I. & Rosenberg, D. (2024). Artificial intelligence in nursing education: A scoping review. Nurse Education in Practice, 80, 104148.  https://doi.org/10.1016/j.nepr.2024.104148

Montejo, L., Fenton, A. & Davis, G. (2024). Artificial intelligence (AI) applications in healthcare and considerations for nursing education. Nurse Education in Practice, 80, 104158. https://doi.org/10.1016/j.nepr.2024.104158

Ronquillo, C.E., Peltonen, L.M., Pruinelli, L., Chu, C.H., Bakken, S., Beduschi, A., Cato, K., Hardiker, N., Junger, A., Michalowski, M., Nyrup, R., Eng, S.R., Reed, D.N., Salakoski, T., Salanterä, S., Walton, N., Weber, P., Wiegand, T., & Topaz, M. (2021). Artificial intelligence in nursing: Priorities and opportunities from an international invitational think-tank of the Nursing and Artificial Intelligence Leadership Collaborative. Journal of Advanced Nursing 77(9), 3707-3717. https://doi.org/10.1111/jan.14855