MIGO-tekoälykameraratkaisu ja sen mahdollisuudet neurologisten tehohoitopotilaiden tarkkailussa

Abstract

Digitalisaatio ja tekoälyn hyödyntäminen muuttavat terveydenhuollon toimintatapoja tarjoten uusia mahdollisuuksia sekä ammattilaisille että potilaille. Tämän opinnäytetyön tarkoituksena on tunnistaa MIGO-tekoälykameraratkaisun hyödynnettävyyttä neurologisten tehohoitopotilaiden tarkkailussa suomalaisessa tehohoitoympäristössä sekä erityisesti kartoittaa haasteita, joita MIGO-tekoälykameraratkaisulla voidaan ratkoa. Opinnäytetyö toteutettiin Siemens Healthineersin toimeksiannosta.

Opinnäytetyön teoreettisina lähtökohtina perehdyttiin neurologisen tehohoitopotilaan hoitoon. Aineistonkeruumenetelmänä sovellettiin fokusryhmähaastattelua haastatellen hoitajia, jotka työskentelivät neurologisten tehohoitopotilaiden hoitoon ja valvontaan liittyvissä työtehtävissä. Fokusryhmähaastattelu valikoitui menetelmäksi, sillä analyysin mahdollistamiseksi työssä tuli saavuttaa ymmärrys näiden asiantuntijoiden näkemyksistä kyseisessä asiassa.

Fokusryhmähaastatteluissa tunnistettiin haasteita, joiden ratkontaa MIGO pystyy tukemaan osana neurologisten tehohoitopotilaiden tarkkailua. Näitä haasteita olivat potilaiden liikkeiden seuranta ja arviointi, EEG-rekisteröinnin ja tulkinnan haasteet, potilaiden sekavuuden arvioiminen, lasten tajunnan tason arviointi ja potilasturvallisuuden parantaminen. Lisäksi havaittiin, että MIGO pystyy osittain tukemaan neurologisten tehohoitopotilaiden seurantaa erityisesti GCS-pisteiden tulkinnassa, kivun arvioinnissa, tajunnan ja sedaation tilan arvioinnissa, lasten ikätason vaikutusten arvioinnissa, lasten aivopaineen seurannassa, kommunikaatiossa lasten vanhempien kanssa, lasten epileptisen kohtauksen arviossa, terveydenhuollon ammattilaisten kommunikaatiossa, hoitajien kokemuksessa ja subjektiivisessa tarkkailussa sekä hoitajan priorisoinnissa ja resurssien käytössä monipotilastilanteessa. Analyysissä havaittiin myös haasteita, joihin MIGO ei pystynyt tarjoamaan tukea.

Opinnäytetyön tulokset paljastivat konkreettisia näkökulmia neurologisen tehohoidon hoitajien kohtaamiin haasteisiin ja osoittivat, miten tekoälykamerateknologia voi auttaa niiden ratkaisemisessa. Tutkimuksen avulla on tunnistettu MIGO-tekoälykameraratkaisulla tuettavissa olevia haasteita, joita hoitohenkilökunta kohtaa työssään, ja tutkimus korostaa teknologisten ratkaisujen potentiaalia ja tarpeellisuutta terveydenhuollossa, erityisesti neurologisten potilaiden hoidossa.

Digitalization and the utilization of artificial intelligence are transforming healthcare practices, offering new opportunities for both healthcare professionals and patients. This thesis aims to identify the usability of the MIGO AI camera solution in monitoring neurological intensive care patients in a Finnish ICU environment and to specifically map out the challenges that the MIGO AI camera solution can address. The thesis was commissioned by Siemens Healthineers.

Theoretical backgrounding of this thesis includes treatment and care of patients in neurological ICUs. Data collection method used was focus group interview which was targeted to nurses who are involved in caring and monitoring neurological ICU patients. This method was selected to enable analysis and gain insight into the perspectives of these experts.

Focus group interviews identified challenges that MIGO can support as part of the monitoring of neurological intensive care patients. These challenges included the monitoring and assessment of patient movements, challenges in EEG recording and interpretation, assessing patient confusion, evaluating children's levels of consciousness, and improving patient safety. Additionally, it was found that MIGO can partially support the monitoring of neurological intensive care patients, especially in interpreting GCS scores, assessing pain, evaluating consciousness and sedation levels, assessing the impact of age levels in children, monitoring intracranial pressure in children, communication with parents of children, assessing children's epileptic seizures, communication among healthcare professionals, nurses' experiences and subjective monitoring, and prioritization and resource use in multi-patient situations. The analysis also identified challenges that MIGO could not address.

The results of the thesis revealed concrete insights into the challenges faced by nurses in neurological intensive care and demonstrated how AI camera technology may support solving these issues. The study identified challenges that can be supported by the MIGO AI camera solution encountered by healthcare professionals in their work and emphasizes the potential and necessity of technological solutions in healthcare, particularly in the care of neurological patients.