Suomessa ilmaantuu vuosittain arviolta 1700–2600 hoitoon liittyvää veriviljelypositiivista infektiota (sepsis) (1). Yliopistosairaalassa todetaan vuosittain 200–300 hoitoon liittyvää sepsistä. Tämä on merkittävä haaste terveydenhuollossa. Infektiot aiheuttavat paljon haittoja, kuten ylimääräisiä hoitopäiviä, kustannuksia ja kuolleisuutta (1). Veriviljelypositiivisten infektioiden aiheuttama tautitaakka vaatii kattavia seuranta- ja ehkäisytoimia, joissa tekoälyä hyödynnetään jatkossa paremman hoitotuloksen aikaansaamiseksi ja kustannusten vähentämiseksi.
Seurantaa tehostetaan ja parannetaan tekoälyn avulla
Tekoäly (AI) on muuttamassa hoitoon liittyvien infektioiden havaitsemista ja seurantaa parantamalla seurannan tarkkuutta ja tehokkuutta. Viime vuosina tekoälyä hyödyntävien infektioiden seurantamenetelmien käyttö maailmalla on lisääntynyt (2, 3, 4). Turun yliopiston hoitotieteen laitoksen, Turun yliopistollisen sairaalan (Tyks) ja Aalto-yliopiston tietotekniikan laitoksen tutkimushankkeessa kehitetään tekoälyä muun muassa sepsisten seurantaan. Kehittyneitä koneoppimisalgoritmeja (ML) hyödyntämällä tekoäly analysoi kliinisiä tapauksia infektioiden havaitsemiseksi ja luokittelemiseksi.
Infektioiden seuranta on lakiin perustuvaa
Suomessa tartuntatautilaki määrittelee, että hoitoon liittyviä infektioita tulee seurata (5). Infektioiden torjunnasta vastaavat asiantuntijat seuraavat sairaaloiden infektiotapauksia. Suomessa käytetään yhteneväisiä kriteereitä, joiden perusteella raportointia tehdään. Tekoälyn avulla voidaan jatkossa automatisoida infektioiden tunnistamista ja tuottaa raportteja, jotka ovat helposti ja nopeasti hyödynnettävissä.
Kattava seuranta mahdollistaa ennaltaehkäisyn
Osa potilaista saa sepsiksen esimerkiksi verisuoni- tai virtsakatetrin vuoksi tai silloin, jos leikkaushaava tulehtuu. Infektio ilmaantuu usein puutteellisen käsihygienian tai puhtautta edellyttävän toimenpiteen seurauksena. Kun infektioiden syyt on selvitetty, niitä voidaan torjua ennalta ja kohdennetusti. Kaikkia tartuntoja ei kuitenkaan voi estää, sillä potilailla saattaa olla esimerkiksi perustauteja, jotka altistavat heidät infektioille.
Tavoitteena laadun ja potilasturvallisuuden parantaminen
Infektioiden seurannan laatua voidaan parantaa, kun tekoälyn käyttö yhdistetään kliiniseen asiantuntemukseen. Infektioiden torjunnan asiantuntijat voivat seurannan sijaan keskittyä ennaltaehkäisevään infektioiden torjuntaan. Tekoälyyn perustuvilla työkaluilla voidaan tulevaisuudessa ennustaa infektioiden syntyä, tunnistaa riskialttiita potilaita tai taudin vakavuuden asetetta. Niiden avulla hoitotoimenpiteet voidaan aloittaa aikaisemmin ja tehokkaammin (2, 3, 4). Tällöin voidaan nykyistä paremmin vaikuttaa hoitotuloksiin, vähentää hoitoon liittyviä infektioita ja terveydenhuollon kustannuksia.
Tiina Kurvinen
Kirjoittaja on Tyksin infektioidentorjuntayksikön osastonhoitaja ja hoitotieteen väitöskirjatutkija, joka on kiinnostunut tekoälyn hyödyntämisestä hoitoon liittyvien infektioiden seurannassa ja torjunnassa.
Kirjallisuutta:
- Goto M, Al-Hasan MN. 2013. Overall burden of bloodstream infection and nosocomial bloodstream infection in North America and Europe. Clinical Microbiology and Infection, Volume 19, Issue 6, 501 - 509. Luettu 27.10.2025. DOI: 10.1111/1469-0691.12195
- Abbara, S., Crabol, Y., Goupil de Bouillé, J., Dinh, A., Morquin, D. Artificial intelligence and infectious diseases: Scope and perspectives. Infectious Diseases Now. Volume 55, Issue 7, 2025, 105131, ISSN 2666-9919. Luettu 27.10.2025. https://doi.org/10.1016/j.idnow.2025.105131
- Garcia, R., Septimus, E.J., LeDonne, J., Sturm, L.K., Moureau, N., DeVries, M., DeBaun, B. 2025. Prevention of Vascular Access Device–Associated Hospital-Onset Bacteremia and Fungemia: A Review of Emerging Perspectives and Synthesis of Technical Aspects, Clinical Infectious Diseases, Volume 80, Issue 2, 15 February 2025, Pages 444–450. Luettu 27.10.2025. https://doi.org/10.1093/cid/ciae245
- Odone A, Barbati C, Amadasi S, Schultz T, Resnik DB. Artificial intelligence and infectious diseases: an evidence-driven conceptual framework for research, public health, and clinical practice. Lancet Infect Dis. 2025 Sep 16:S1473-3099(25)00412-8. Luettu 28.10.2025. doi: 10.1016/S1473-3099(25)00412-8
- Tartuntatautilaki 1227/2016. Luettu 28.10.2025. https://www.finlex.fi/eli?uri=http://data.finlex.fi/eli/sd/2016/1227/ajantasa/2025-06-27/fin
