Tarinat ja julkaisut

12.04.2017

Datan parantavat voimat

Mitä tapahtuu, kun data-analytiikka alkaa määrittää keitä kannattaa hoitaa ja keitä ei? Minna Ruckenstein kirjoittaa terveyden dataistumisesta.

Tässä konsulttitoimistojen ja data-analytiikkafirmojen ehdotuksia, kuinka terveydenhuollon tulevaisuutta luodaan algoritmiavusteisesti: Asiakkaita profiloidaan lääkkeiden käytön, sosiaalisen median verkostojen, päivittäisten ostosten tai pikaruokatilausten avulla. Heidät luokitellaan ja pisteytetään terveiksi, sairaalloisiksi tai hoitovastaisiksi. Koululaisille luodaan ennustemalleja, kuinka todennäköisesti he alkavat tupakoida, jättävät koulunsa kesken tai lihovat ylenmäärin.

Lääketieteen politiikan ja etiikan tutkija Linda Hogle kuvaa Biosocieties-lehdessä julkaistussa artikkelissa terveyden dataistumista tavalla, josta ei voi vetää kuin yhden johtopäätöksen. Markkinavetoiseen terveydenhuoltojärjestelmään yhdistetty data-analytiikka tuottaa pahimmillaan entistä epäoikeudenmukaisemman maailman, jossa vain osa ihmisistä saa osakseen hoitoa ja ymmärrystä. Lääkkeiden suositellusta käytöstä piittaamattomat voidaan jättää oman onnensa nojaan. Kun valta luovutetaan algoritmeille, ne voivat tehdä omalakisia päätöksiä.

Ihminen saa luokituksen, joka voi vaikuttaa peruuttamattomasti hänen elämäänsä, tietämättä sen perusteluja tai miten siihen voisi vaikuttaa.

Valoisamman datatulevaisuuden esittää lääketieteen antropologi Rayna Rapp samaisessa lehdessä. Hän näyttää kuinka data-analytiikan avulla arvioidaan uudelleen lapsille annettuja ADHD ja autismidiagnooseja. Rapp kuvaa neurotieteilijöiden tapaa käyttää data-analytiikkaa apuna aivojen kuvantamisessa. Kuvista piirtyy esiin erilaisia neurotyypillisyyksiä tai epätyypillisyyksiä, jotka eivät tue nykyisiä diagnosoinnin tapoja. Lasten vanhemmat odottavat tutkimukselta paljon: kun heidän lastensa aivotoimintaa ymmärretään paremmin, lapsia voidaan myös ehkä hoitaa ja tukea.

Data-analytiikan tekijöistä ja hyödyntäjistä riippuen joko epäinhimillinen algoritmivalta tai uutta luova, ihmisiä kunnioittava datamaailma vahvistuu. Into päästä kohti riskisegmentointeja ja asiakasprofiileja on ilmeinen: todennäköisyysalgoritmeilla laskettuihin sairauksien riskiarvioihin panostetaan yrityksissä ja yliopistoissa. Datoja yhdistämällä ihmisten sairaus- ja riskiperusteinen luokittelu voi tulevaisuudessa ulottua oppilasvalintoihin, vakuuttamiseen tai luottoluokituksiin. Bisneshenkiset näkevät kustannussäästöjä ja tehokkuutta.

Toisenlainen tapa tehdä algoritmiavusteista terveydenedistämistä on tavoitteiltaan huomattavasti nöyrempää ja avoimempaa. Se vaatii uudenlaisten tutkimus- ja hoitoympäristöjen rakentamista ja eri alojen yhteistyötä. Terveyden ammattilaisten rinnalle tarvitaan viestinnän tutkijoita, sosiologeja, filosofeja ja antropologeja. Ihmisen ja koneen yhteistoimintaa ja työnjakoa on hiottava erilaisten kokeilujen avulla. Eettisiä kysymyksiä pitää miettiä suhteessa vaihtoehtoisiin tulevaisuuskulkuihin.

Avoimempi datamaailma ei sovita analytiikkaa tehokkuuseetokseen vaan etsii paikkaa data-analyysille niiden parista, joita kiinnostaa ratkoa asioita uudella tavalla.

Tärkeää ei ole datojen yhteensovittaminen vaan sosiaalinen onnistuminen. Terveyden kentällä on valtavasti mahdollisuuksia tehdä teknologia-avusteisia parannuksia siihen miten ihmisiä hoidetaan. Kustannustehokkuus voi syntyä epäsuorasti, hoidon laatua parantamalla. On opittava valjastamaan datan parantavat voimat tavalla, joka tukee pidemmälle tähtääviä päämääriä. Siinä eivät auta yksin algoritmit vaan tarvitaan myös mielikuvitusta – ja jopa paljon parjattuja humanisteja.

Kirjoittaja

Minna Ruckenstein

Minna Ruckenstein työskentelee Kuluttajatutkimuskeskuksessa erikoistutkijana ja toimii Helsingin yliopiston kuluttajaekonomian dosenttina. Koulutukseltaan hän on antropologi. https://tuhat.helsinki.fi/portal/fi/person/mslahti