Ollaan samalla kartalla

Kotimaisten kielten keskus pohti jo vuonna 2009 käsitteen ”tiekartta” yleistymistä – sen lisäksi että käsite on  tuontitavaraa, sitä pidettiin liian juhlallisena, rivien välissä jopa todella nolona. Kotus oli sitä mieltä, että ”Tiekarttoihin on kohdistettu niin suuria odotuksia, että itse nimitys voi muissa kuin kansainvälisissä ja kansallisissa yhteyksissä käytettynä kuulostaa jo vähän tärkeilevältä. Mahtavatko seurakuntatason suunnittelijat hakea lisää arvovaltaa hankkeelleen puhumalla kansainvälisen mallin mukaan tiekartasta eikä suunnitelmasta? Yhteistä kaikille laajan merkityksen tiekartoille on kuitenkin muutos, kehittäminen ja uuden luominen.”

Lääketieteellisessä tiedekunnassa on nyt kuitenkin laadittu tulevaisuuteen suuntautuva koulutuksen tiekartta. Vielähän tästä puuttuisi, että oltaisiin ketteriä ja oikea-aikaisia. Mutta niin vain ollaan. LTDK:n koulutuksen tiekartta on näet syntynyt laskettuna aikana. Se syntyi perus- ja ammatillisen jatkokoulutuksen bottom-up -pohjaisena työskentelynä, jossa jokaisella koulutusohjelmalla oli mahdollisuus tuoda kartalle omia tulevaisuuden projektioitaan. Keskusteluiden ja yhteisen työpajaprosessoinnin tuloksena tunnistettiin myös teemoja ja haasteita, jotka koskettavat koko koulutuskenttäämme. Ensimmäinen versio on taimi, joka lähtee kasvamaan ajassa. Kartta on työkalu, ei lopputuotos, ja toisin kuin Kotus väittää, kartta vetää ennemminkin nöyräksi kuin edistää itsetehostusta.

Muutos, kehittäminen ja uudenluominen – kaikki kartan ydinteemoja. Kartaksi sen tekee lisäksi dimensionaalisuus – tiedekunnan koulutustarjonta on kehittynyt moneen suuntaan ulottuvaiseksi kokonaisuudeksi, jonka projisoiminen yksinkertaisempaan karttamoodiin auttaa meitä kaikkia hahmottamaan sitä mitä tiedekunnassa tapahtuu ja mihin suuntaan se on liikkeellä. Kartan tarkoitus on olla ajassa päivittyvä. Sitä tarkastellaan aika ajoin KoJossa, tiedekunnan johtoryhmässä ja tiedekuntaneuvostossa. Kartan yksi tehtävä on olla myös viestinnällinen väline – koulutusohjelmista tiedekuntaan ja tiedekunnasta tiedekunnan toimijoille.

Tiedekunnan koulutustarjonnan piirissä on noin 10 000 terveydenhuollon opiskelijaa (luvussa mukana poissaolevat), 8 peruskoulutusohjelmaa, lukuisa määrä ammatillista jatkokoulutustarjontaa (esim. kasvu-uralla oleva psykoterapeuttikoulutus), tohtorikoulutusta ja erikoislääkärikoulutuskokonaisuus. Tiekartta ei vastaa ihan kaikkeen. Esim. erikoislääkärikoulutuksella on oma tulevia vuosia koskeva toimeenpanosuunnitelma, joka on yksityiskohtaisempi ja kohdistetumpi tulevaisuustyökalu juuri tälle koulutusalalle.

LTDK:n tiekartan ensimmäinen tarkoitus on listata aikajanalle tulevien vuosien tapahtumia ja erilaisia tarkastelupisteitä, erityisesti koskien peruskoulutusta ja ammatillista jatkokoulutusta. Tiedekuntaan tulee myös jatkuvasti aloitteita uusista koulutusavauksista, ja niidenkin käsittelyä ja sijoittumista ajassa tiekartta viitoittaa.

Lisäksi tiekartta tunnistaa kaikkien koulutusohjelmien läpileikkaavia teemoja, joihin kaikkiin liittyy haasteita, vesistöjä ja vuoristoja. Haasteiden tunnistaminen ja kuvaaminen lienee välttämätön ensimmäinen askel ratkaisujen löytämiseksi.  Teemat ovat:

  • Koulutuksen laatu ja osaamisperustaisuus
  • Työelämäyhteydet
  • Digitalisaatio ja tiedekunnan yhteisten oppimisalueiden kehittäminen

Lisäksi tiekartassa kiinnitetään huomiota laajenevan tiedekunnan henkilöstösuunnittelun kestävyyteen. Jokainen näistä lienee oman bloginsa arvoinen kokonaisuus, mutta otetaan pala kerrallaan. Teemojen ympärillä on hyvä järjestää myös keskustelua tiedekunnassa. Loppupeleissä tiekartta on paikallinen työkalu yliopiston strategisten tavoitteiden saavuttamiseksi – se identifioi teemoja tarjolle myös  tiedekunnan toimeenpanosuunnitelmaan.

Emme ole ainoita karttureita Meikussa. HUS laatii parhaillaan omaa opetuksen ja koulutuksen tiekarttaansa, ja siellä fokus on aika paljon erilaisien prosessien sujuvoittamisessa.  Näitä karttoja on tarkoitus myös sovitella toisiinsa parhaan lopputuloksen saavuttamiseksi. Kun ne levitetään yhtä aikaa pöydälle, on pöydän paras olla aika iso.

Anu-Katriina Pesonen
Kokeellisen aivotutkimuksen professori
Opetuksesta vastaava varadekaani

 

Keskustelujani tekoälyn kanssa

”Pahoittelen, mutta en tiedä tarkkaa antibioottimolekyyliä, josta edellisessä vastauksessani oli puhe. Antamassani esimerkissä en maininnut tarkkaa antibioottimolekyyliä, sillä tarkoitukseni oli antaa yleinen esimerkki tekoälyn hyödyntämisestä lääketieteen tutkimuksessa.” Olin kysynyt ChatGPT:ltä esimerkkiä tekoälyn tekemästä tieteellisestä löydöstä ja sain vastaukseksi tarinan tietokonealgoritmistä, joka pystyi seulomaan miljardeja molekyylejä löytääkseen yhdisteitä, jotka voisivat olla tehokkaita torjumaan bakteeri-infektioita.

Perehdyin asiaan ja löysin vuodelta 2020 ”Cell”-lehdestä julkaisun, jossa kerrottiin tekoälyn tunnistaneen lääkeaine- ja molekyylirakenteiden tietokannoista uusia lääkeaineita ja molekyylejä, joilla voisi ominaisuuksien puolesta olla antibioottista tehoa (1). Tutkimuksessa osoitettiin myös koeputkioloissa näillä molekyyleillä antibioottista tehoa resistentteihin E.coli kantoihin. Tutkimusta pidetään tekoälyn avulla saavutettuna merkittävänä edistysaskeleena antibioottitutkimuksessa ja esimerkkinä tekoälyn mahdollisuuksista tieteessä.

Viime vuoden marraskuussa tekoäly tuli ihmisten koteihin tekoälyalusta ChatGPT:n myötä (keskustelu 1). Siihen asti tekoäly oli itselleni ollut vain teoreettinen työkalu, jota en ollut käyttänyt käytännön työssäni lääkärinä, ja tutkimuksessakin tekoälyprojekteja varten oli käytetty asiaan perehtyneitä bioinformaatikkoja.

Keskustelu 1

Minä: Mikä on ChatGPT ja miten se toimii?

OpenAI/ChatGPT (Mar23 version): ChatGPT on tekoälypohjainen keskusteluagentti, joka perustuu GPT (Generative Pre-trained Transformer) -arkkitehtuuriin. GPT on tietokoneellinen malli, joka on koulutettu käsittelemään suuria määriä tekstidataa ja tuottamaan sen perusteella luonnollista kieltä.

ChatGPT käyttää GPT-mallia tuottaakseen vastauksia ihmisten esittämiin kysymyksiin. Käyttäjä syöttää ChatGPT:lle kysymyksen tai viestin, ja ChatGPT käsittelee syötetyn tekstin, ymmärtää sen ja tuottaa sitten vastauksen, joka on mahdollisimman lähellä ihmisen tuottamaa luonnollista kieltä.

ChatGPT:n toimintaperiaate perustuu siihen, että se on koulutettu suurilla määrillä ihmisten kirjoittamaa tekstidataa, jonka avulla se oppii ymmärtämään ihmisen kieltä ja tuottamaan vastauksia kysymyksiin. ChatGPT:n koulutusprosessi perustuu myös siirtämiseen (transfer learning), mikä tarkoittaa, että malli on koulutettu ensin suurella määrällä tekstidataa ja sen jälkeen hienosäädetty käyttämään tiettyä kieltä tai toimintaa varten.

ChatGPT:n avulla ihmiset voivat kommunikoida tekoälyn kanssa luonnollisesti ja saada vastauksia kysymyksiinsä. ChatGPT:n käyttö on monipuolista, ja sitä voidaan soveltaa eri aloilla, kuten asiakaspalvelussa, henkilökohtaisessa avustajana, tiedonhaussa ja monessa muussa.”

Tekoälyyn kohdistuu suuret odotukset tieteen mullistajana. Se voi lisätä tieteellistä ymmärrystä ainakin kolmella tasolla: 1) monimutkaiset kuvantamiset, 2) uusien havaintojen tekeminen suurista tutkimusaineistoista ja 3) ihmisen korvaaminen suunnittelussa tai johtopäätösten tekemisessä (2).

Päätin tutustua ChatGPT:hen keskustelemalla sen kanssa. Vastaukset tulivat nopeasti, olivat hyvin jäsenneltyjä ja pääosin sujuvalla suomen kielellä kirjoitettuja. Yllätyin kirjeiden, puheiden ja suositusten hyvästä laadusta (keskustelu 2). Tekoäly pystyi tuottamaan kohtalaisen hyvää tekstiä kaikista kysymistäni asioista, tosin alusta toimi selvästi paremmin englannin- kuin suomenkielisessä keskustelussa.

Keskustelu 2

Minä:Can you write a recommendation letter for Dr.X , who is applying a grant for her own research. He is a clinician working as a cardiologist. He has done a PhD in clinical science in Helsinki and a post-doc in Harvard. Now he wants to set up his own lab to study cardiovascular diseases

OpenAI/ChatGPT (Mar23 version): Dear Grant Committee Members,

I am writing to strongly endorse Dr. X’s grant application for his research in cardiovascular diseases. As a cardiologist with a PhD in clinical science from Helsinki and post-doctoral training at Harvard, Dr. X has a strong background in both clinical medicine and research.

During his post-doctoral fellowship, Dr. X worked on several high-impact studies that have led to novel insights into the molecular mechanisms underlying cardiovascular diseases. He has demonstrated an exceptional ability to design and conduct rigorous experiments, analyze data, and publish his findings in top-tier journals. Dr. X has also presented his work at multiple international conferences and has received numerous awards and honors.

Now, Dr. X is eager to establish his own independent research program to further investigate cardiovascular diseases. I have no doubt that he has the necessary skills, experience, and motivation to lead a successful lab. Dr. X has an excellent track record of collaborating with both basic and clinical researchers, which will be crucial in translating his findings into clinical practice.

In summary, I strongly support Dr. X’s grant application and believe that his research program has great potential to make significant contributions to the field of cardiovascular diseases. Please do not hesitate to contact me if you have any questions.

Sincerely,

[Your Name]

Minä:Can you translate this into Finnish language

OpenAI/ChatGPT (Mar23 version): Rakas Grant-tiimin jäsen,

Kirjoitan tällä kirjeellä voimakkaan suosituksen Dr. X:n apurahahakemukselle hänen tutkimukselleen sydän- ja verisuonitaudeista. Dr. X on kliininen lääkäri, jolla on tohtorin tutkinto kliinisestä tieteestä Helsingistä ja joka on suorittanut postdoc-tutkimuksen Harvardissa. Hän haluaa nyt perustaa oman laboratorion tutkimaan sydän- ja verisuonitauteja

Dr. X on työskennellyt postdoc-tutkimuksensa aikana useissa korkean vaikutusarvon tutkimuksissa, jotka ovat johtaneet uusiin oivalluksiin sydän- ja verisuonitautien molekyylimekanismeista. Hän on osoittanut poikkeuksellisen kyvyn suunnitella ja toteuttaa tiukkoja kokeita, analysoida tietoja ja julkaista tuloksiaan huippuluokan lehdissä. Dr. X on myös esitellyt työnsä useissa kansainvälisissä konferensseissa ja saanut lukuisia palkintoja ja kunnianosoituksia.

Nyt Dr. X on innokas perustamaan oman itsenäisen tutkimusohjelmansa edistääkseen sydän- ja verisuonitautien tutkimusta. Olen varma siitä, että hänellä on tarvittavat taidot, kokemus ja motivaatio menestyksekkään laboratorion johtamiseen. Dr. X:llä on erinomainen ennätys yhteistyöstä sekä perus- että kliinisten tutkijoiden kanssa, mikä on ratkaisevan tärkeää tulosten soveltamisessa kliinisessä käytännössä.

Yhteenvetona kannatan voimakkaasti Dr. X:n apurahahakemusta ja uskon, että hänen tutkimusohjelmallaan on suuri potentiaali tehdä merkittäviä panoksia sydän- ja verisuonitautien alalla. Älä epäröi ottaa minuun yhteyttä, jos sinulla on kysyttävää.

Ystävällisin terveisin,

[Your Name]

Entä faktat, voisiko ChatGPT:tä käyttää lääketieteellisessä päätöksenteossa tai tieteellisen tutkimuksen apuna? Kysyin alustalta omassa tutkimuksessani esiin tulleen geenin tähän mennessä tunnetuista rooleista tutkimassani ilmiössä (sydänsiirteen hyljintä). Tekoälyn mukaan geenillä oli jo aiemmin tunnettuja yhteyksiä hyljintään (tämän tiesin itsekin), mutta halusin tietää mistä sen tiedot olivat peräisin ja pyysin viitelähteitä (keskustelu 3). Vastaukseksi sain lyhyen listan julkaisuista, joiden otsikot olivat mielenkiintoisia ja tutkimukset hyvissä lehdissä. Yllätyksekseni ja kauhuksenikin yhtäkään artikkeleista ei löytynyt ”google” eikä ”pubmed” hauilla. Artikkelin ”DOI” ohjasi aivan toisen julkaisun sivulle. Artikkelit eivät myöskään löytyneet mainituista lehdistä. Toistin testin muutamalla muulla geenillä ja vastaus oli samanlainen: sain referenssiluettelon, jonka julkaisuja en onnistunut löytämään muilta alustoilta.

Keskustelu 3

Minä: Can you list your references?

OpenAI/ChatGPT (Mar23 version): As an AI language model, I don’t have direct access to specific sources or materials, but I can tell you that the information I provided on the role of the WARS gene in acute cardiac allograft rejection is based on current scientific literature and research studies in the field of cardiology and transplantation immunology. Some of the sources that may have informed my response include:

O’Connell J, Bennett MW, O’Sullivan GC, Roche HM. A role for tryptophanyl-tRNA synthetase in acute cardiac allograft rejection. Mol Med. 2011 Jan-Feb;17(1-2):33-40. doi: 10.2119/molmed.2010.00173. Epub 2010 Oct 6. PMID: 20926837; PMCID: PMC3022961.

Le Gall S, Neels JG, Church D, Frock R, Patton WA, Frost L, Bilakovics J, Toro B, Gopinathan S, Tolkoff-Rubin N, Dvorak AM, Platt JL. Trytophanyl-tRNA synthetase as a potential regulator of T cell activation and cardiac allograft rejection. Circulation. 2007; 116: I-185.

Bachelet T, Martinez-Vinson C, Fraisse A, Boussel L, Loric S, Charron D, Drouet E, Baudet-Bonneville V, Alia A, Tournier-Lasserve E. Tryptophanyl-tRNA synthetase (WARS) mutations in patients with autosomal dominant intellectual disability. BMC Med Genet. 2017; 18: 64.

Please note that this is not an exhaustive list, and there may be other sources that have contributed to the current understanding of the topic.

Esitelmää tehdessäni kysyin tekoälyltä, ketkä transkriptomiikan tutkijat ovat voittaneet merkittäviä tiedepalkintoja. Sain taas vakuuttavan vastauksen, mutta tiedustellessani ”kuka”, ”milloin” ja ”mistä tieto on peräisin”, päädyin palkinnon (Life Sciences Breakthrough) virallisille nettisivuille, joiden perusteella kyseisenä vuonna eri tutkijat kuin ChatGPT:n nimeämät olivat saaneet kyseisenä vuonna palkinnon (keskustelu 4).

Keskustelu 4

Minä: Kuka transkriptomiikan tutkija voitti Breakthrough palkinnon?

OpenAI/ChatGPT (Mar23 version): Breakthrough-palkinto myönnetään monilla eri aloilla tehtävästä poikkeuksellisesta työstä. Lääketieteen alalla Breakthrough-palkinto myönnetään vuosittain yhdelle tai useammalle tutkijalle, jotka ovat tehneet poikkeuksellisen merkittäviä löytöjä tai keksintöjä, jotka ovat mahdollistaneet uusia hoitoja tai edistäneet ymmärrystä tietystä sairaudesta tai biologisesta prosessista

Transkriptomiikan alalla Breakthrough-palkintoa on voittanut esimerkiksi Howard Chang, joka on professori Stanfordin yliopistossa ja on tehnyt merkittäviä löytöjä liittyen RNA:n luentaan, regulaatioon ja toimintaan. Hän on erityisesti keskittynyt non-coding RNA:n eli ei-koodaavan RNA:n tutkimukseen, joka on tärkeä osa transkriptomiikkaa.

On kuitenkin tärkeä huomata, että Breakthrough-palkintoja myönnetään monilla eri aloilla, eikä kaikkia palkinnon saajia voi tarkasti määritellä transkriptomiikan tutkijoiksi.

Minä: Milloin Howard Chen voitti breakthrough palkinnon?

OpenAI/ChatGPT (Mar23 version): Howard Chang voitti Breakthrough-palkinnon vuonna 2018 yhdessä Jonathan Weissmanin kanssa heidän tutkimuksestaan liittyen RNA:n käännökseen ja luentaan.

Minä: Mikä on lähteesi

OpenAI/ChatGPT (Mar23 version):  Lähteeni on Breakthrough Prize -sivusto, jossa listataan kaikki Breakthrough-palkinnon saajat. Voit tarkistaa tiedot täältä: https://breakthroughprize.org/Laureates/1/P1/Y2018

ChatGPT:tä ei voi vielä käyttää tiedonhakuun. Se on harjoitettu antamaan selkeitä ja kielellisesti laadukkaita vastauksia, mutta alustan tarjoamat faktat voivat olla virheellisiä, eikä lähteitä ole mahdollista jäljittää. Jäämme vielä odottamaan tekoälyalustoja, joiden kielellinen kommunikaatiokyky on vähintään ChatGPT:n tasoa, mutta jotka pystyvät myös hakemaan faktoja ja esittämään todenmukaiset lähdetiedot.

  1. Stokes JM, Yang K, Swanson K, Jin W, Cubillos-Ruiz A, Donghia NM, et al. A Deep Learning Approach to Antibiotic Discovery. Cell [Internet]. 2020 Feb;180(4):688-702.e13. Available from: https://linkinghub.elsevier.com/retrieve/pii/S0092867420301021
  2. Krenn M, Pollice R, Guo SY, Aldeghi M, Cervera-Lierta A, Friederich P, et al. On scientific understanding with artificial intelligence. Nat Rev Phys [Internet]. 2022 Oct 11;4(12):761–9. Available from: https://www.nature.com/articles/s42254-022-00518-3

Maria Hurskainen
Lastenkardiologi ja tutkija