RAG-chatbottien kehittäminen terveydenhuoltoon : Tapaustutkimuksena HeartWise-tekoälychatbot
Peltonen, Riina (2025)
Peltonen, Riina
2025
Tietojenkäsittelytieteiden kandidaattiohjelma - Bachelor's Programme in Computer Sciences
Informaatioteknologian ja viestinnän tiedekunta - Faculty of Information Technology and Communication Sciences
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Hyväksymispäivämäärä
2025-08-11
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:tuni-202508098156
https://urn.fi/URN:NBN:fi:tuni-202508098156
Tiivistelmä
Tässä kandidaatintutkielmassa tarkastellaan Retrieval Augmented Generation (RAG) -arkkitehtuuria hyödyntävien chatbottien soveltuvuutta ja kehittämistä terveydenhuollon käyttöön. Tavoitteena on selvittää, miten RAG:ia hyödynnetään terveydenhuollon chatboteissa ja mitä asioita tulisi huomioida arkkitehtuurin suunnittelussa sekä ennen mallien käyttöönottoa. Erityisesti tutkielmassa pyritään arvioimaan, miten RAG parantaa terveydenhuollon chatbottien suorituskykyä.
Tutkielmassa perehdytään tekoälyn ja suurten kielimallien (LLM) perusteisiin ja kirjallisuuskatsausosuudessa analysoidaan kuusi vertaisarvioitua tutkimusta, joissa tarkastellaan RAG-pohjaisten chatbottien kehittämistä ja hyödyntämistä muun muassa potilasohjauksessa, itsehoidon tukena ja diagnostiikan apuna. Lisäksi esitellään tutkimustarkoituksiin tehty tapaustutkimus SLT STEER-projekti. Projektissa kehitettiin RAG:ia hyödyntäen sepelvaltimotautipotilaiden itsehoitoa tukeva demosovellus HeartWise-chatbot.
Tulokset osoittavat, että RAG voi parantaa chatbottien vastausten tarkkuutta, relevanssia ja luotettavuutta, erityisesti silloin kun tietopohja ja järjestelmäprompti on laadittu ja määritelty huolellisesti. Myös lääketieteen ja terveydenhuollon kontekstiin suunnitellut suuret kielimallit voivat entisestään vahvistaa sovellusten suorituskykyä ja kontekstitietoisuutta, kun ne yhdistetään RAG-arkkitehtuuriin. Näiden tutkiminen voisi tuottaa arvokasta tietoa terveydenhuollon palvelujen kehittämiseksi.
Tutkielman perusteella RAG tarjoaa lupaavan lähestymistavan tekoälyn hyödyntämiseen terveydenhuollossa, etenkin potilasohjauksen ja itsehoidon tukemisessa. Jatkokehityksessä on tärkeää kiinnittää huomiota RAG:ia hyödyntävien sovellusten arviointimenetelmiin, tietopohjan laatuun sekä järjestelmän yhteensopivuuteen terveydenhuollon järjestelmien kanssa. Tämän lisäksi tekoälymallien käyttöönottoa ohjaavat tiukat sääntelyvaatimukset, jotka voivat muodostaa haasteita integraatiolle. Parhaimmillaan RAG-chatbotit ja muut kyseistä teknologiaa hyödyntävät sovellukset voivat kuitenkin tehostaa resurssien käyttöä ja sujuvoittaa työnkulkuja terveydenhuollossa.
Tutkielmassa perehdytään tekoälyn ja suurten kielimallien (LLM) perusteisiin ja kirjallisuuskatsausosuudessa analysoidaan kuusi vertaisarvioitua tutkimusta, joissa tarkastellaan RAG-pohjaisten chatbottien kehittämistä ja hyödyntämistä muun muassa potilasohjauksessa, itsehoidon tukena ja diagnostiikan apuna. Lisäksi esitellään tutkimustarkoituksiin tehty tapaustutkimus SLT STEER-projekti. Projektissa kehitettiin RAG:ia hyödyntäen sepelvaltimotautipotilaiden itsehoitoa tukeva demosovellus HeartWise-chatbot.
Tulokset osoittavat, että RAG voi parantaa chatbottien vastausten tarkkuutta, relevanssia ja luotettavuutta, erityisesti silloin kun tietopohja ja järjestelmäprompti on laadittu ja määritelty huolellisesti. Myös lääketieteen ja terveydenhuollon kontekstiin suunnitellut suuret kielimallit voivat entisestään vahvistaa sovellusten suorituskykyä ja kontekstitietoisuutta, kun ne yhdistetään RAG-arkkitehtuuriin. Näiden tutkiminen voisi tuottaa arvokasta tietoa terveydenhuollon palvelujen kehittämiseksi.
Tutkielman perusteella RAG tarjoaa lupaavan lähestymistavan tekoälyn hyödyntämiseen terveydenhuollossa, etenkin potilasohjauksen ja itsehoidon tukemisessa. Jatkokehityksessä on tärkeää kiinnittää huomiota RAG:ia hyödyntävien sovellusten arviointimenetelmiin, tietopohjan laatuun sekä järjestelmän yhteensopivuuteen terveydenhuollon järjestelmien kanssa. Tämän lisäksi tekoälymallien käyttöönottoa ohjaavat tiukat sääntelyvaatimukset, jotka voivat muodostaa haasteita integraatiolle. Parhaimmillaan RAG-chatbotit ja muut kyseistä teknologiaa hyödyntävät sovellukset voivat kuitenkin tehostaa resurssien käyttöä ja sujuvoittaa työnkulkuja terveydenhuollossa.
Kokoelmat
- Kandidaatintutkielmat [11124]
