DeepMind tuo agentin lääkärin ja potilaan väliin

Mistä triadic care -mallissa on kyse?

Google DeepMind julkisti viime viikon lopulla tutkimusohjelman nimeltä AI co-clinician. Yhtiö rakentaa sen pohjalle 'triadic care' -mallia, jossa hoitosuhteessa on kolme osapuolta: lääkäri, potilas ja tekoälyagentti. Agentti voi keskustella potilaan kanssa, ohjata kotioloissa tehtäviä tutkimuksia ja koota tietoja, mutta päätökset hoidosta tekee lääkäri.

Tekoäly ei mallissa korvaa kliinistä arviota. DeepMindin tutkimusryhmä kuvaa agenttien toimivan lääkärin 'kliinisen auktoriteetin alaisuudessa'. Käytännössä lääkäri ohjaa, milloin agentti aktivoidaan, mihin tehtäviin se kytketään ja missä vaiheessa potilas palaa ihmisen vastaanotolle.

Kaksi agenttia turvarakenteena

Järjestelmän tekninen ydin on kahden agentin arkkitehtuuri. Talker-agentti keskustelee potilaan kanssa, Planner-agentti tarkkailee jokaista vuoroparia ja varmistaa, että keskustelu pysyy kliinisesti turvallisissa rajoissa. Jos potilas mainitsee esimerkiksi rintakipua tai muun hälytysmerkin, Planner ohjaa keskustelun toiseen suuntaan tai eskaloi tilanteen lääkärille.

Toinen turvakerros liittyy tiedonhakuun. AI co-clinician hakee viittauksia kliinisistä lähteistä ja tarkistaa ne ennen vastausta. Yhtiö kertoo, että 98 perusterveydenhuollon kysymyksen sokkokokeessa järjestelmä teki kriittisen virheen vain yhdessä tapauksessa. Lääkärit asettivat sen kahden vakiintuneen tekoälytyökalun edelle, ja vertailussa GPT-5.4-pohjaiseen avustajaan luvut olivat 63–30 DeepMindin eduksi.

Multimodaalisuus pidentää kättä etänä

Tutkimuksessa kokeiltiin agentin kykyä ohjata fyysistä tutkimusta videoyhteyden välityksellä. Potilas saa neuvoja inhalaattorin käytöstä tai kiertäjäkalvosimen kuntoa selvittävistä liikesarjoista. Reaaliaikaiset audio- ja videovirrat ovat vielä kokeiluvaiheessa, ja demovideoilla esiintyi tutkimusryhmän jäseniä, ei oikeita potilaita.

120 simuloidussa potilastapaamisessa AI co-clinician sai keskustelutaitoarvioissa 68/140 osa-alueella vähintään kokeneen yleislääkärin tason. Hälytysmerkkien tunnistuksessa lääkärit olivat yhä parempia. Tulos asettuu samalle linjalle Harvard Medical Schoolin alkuvuoden ER-tutkimuksen kanssa, jossa LLM-pohjaiset päivystysapurit jäivät kriittisten tilanteiden tunnistuksessa jälkeen. Asetelmat eroavat: päivystyksessä virhe maksaa enemmän kuin pitkäaikaissairaan etäkonsultaatiossa.

Suomalainen näkökulma vielä kommentteja vailla

Pyysin kommenttia FCAI:n terveysteknologiaryhmästä ja Tampereen yliopistollisen sairaalan digitaaliklinikalta julkaisuajankohtaa edeltäneenä päivänä. Vastauksia ei ehtinyt deadlineen, ja päivitän juttua sitä mukaa kun ne saapuvat. Aalto Reliable AI -ryhmän tutkijat ovat aiemmin painottaneet, että kliinisten LLM-järjestelmien vastuukysymys on yhä auki: 'lääkärin alaisuudessa toimiva agentti' siirtää osan kuormasta järjestelmän auditoitavuudelle.

TAYS:n digitaaliklinikka on Suomessa tunnetuin etäkonsultaatioiden kotipesä, ja sen kokeiluissa on käytetty oirearvioon sääntöpohjaisia ja koneoppivia työkaluja. DeepMindin kuvaaman tason agentit edellyttäisivät Fimean ja Valviran uutta linjausta sekä EU:n lääkintälaiteasetuksen mukaisen luokittelun – käytännössä Class IIa tai korkeampi – ennen kuin niitä voisi kytkeä suomalaiseen hoitosuhteeseen.

Mitä tämä tarkoittaa potilaalle?

Triadic care -malli voisi muuttaa puhelinhoitajan ja sairaanhoitajan roolia perusterveydenhuollossa. Jos agentti hoitaa ensitiedustelut, oirelistaukset ja jatkokysymykset, lääkärille jää enemmän aikaa kliinisesti vaativiin päätöksiin. Sama logiikka voi sujuvoittaa pitkäaikaissairauksien seurantakäyntejä, joissa hoitosuhde on jo vakiintunut.

Riski on tunnettu. Jos potilas alkaa luottaa agenttiin liikaa, yhteydenotto lääkärille saattaa lykkääntyä silloinkin, kun se olisi tarpeen. DeepMind tunnustaa tämän rajauksessaan. Suomessa hyödyt näkyvät ensin ammattilaisen työkaluna, eivät suorana potilasrajapintana – Kanta-palvelut, Omaolo ja sairaanhoitopiirien etävastaanotot ovat luonnollisia ensimmäisiä kokeiluympäristöjä, jos malli joskus rantautuu Suomeen.

Pidempi kaari MedPaLMista AI co-clinicianiin

AI co-clinician on jatkoa DeepMindin aiemmille terveys-AI-projekteille. MedPaLM osoitti, että malli osasi vastata lääkärin tutkintokysymyksiin. AMIE pärjäsi tekstipohjaisissa potilaskonsultaatioissa kokeneen lääkärin tasolla. Co-clinician laajentaa AMIEn osaamista multimodaalisuuteen ja tuo turvarakenteen mallin tasolle, ei vain päälle laitettavaksi suodattimeksi.

Tutkimuskumppaneina ovat Harvard Medical School, Stanford Medicine sekä ryhmät Intiasta, Australiasta, Uudesta-Seelannista, Singaporesta ja Yhdistyneistä arabiemiirikunnista. Eurooppalaisia kumppaneita ohjelmassa ei vielä ole nimetty, mikä jättää suomalaisen tutkimusyhteisön katselijaksi. Aalto, HUS ja FCAI voisivat hakea omaa rooliaan, jos triadic care -mallia halutaan kotouttaa Pohjois-Eurooppaan ennen kuin malli muotoutuu yksinomaan amerikkalaisten ja aasialaisten aineistojen pohjalta.