Masinõppiv tekstianalüüs võib leida rakendust kõikjal

Masinõppel põhineva tekstianalüüsi abil saab tööd lihtsustada ja parandada peaaegu igas valdkonnas. Eesti kui E-riik on selles osas teerajajaks, kasutades tekstianalüüsi võimalusi personaalmeditsiini arendamisel. Asja käis uurimas Kadri Kütt.

Tervishoiutöötajate, patsientide ja tehnoloogia koostöös on suund võetud personaalmeditsiinile. Masinõpet kasutatakse haiguste paremaks diagnoosimiseks, ennetamiseks ja raviks. Bioinformaatika professor ja Tartu ülikooli arvutiteaduste instituudi juhataja Jaak Vilo sõnul peaksid infosüsteemid olema personaalmeditsiini A ja O: „Arst kasutab isiklikku diagnoosimise personaliseeritud metoodikat, kuid ta ei suuda tuhnida kogu andmeajaloos, taustainfos ega meditsiinikirjanduses.”
Inimese jaoks seisneb personaalmeditsiini väärtus faktipõhises ja analüüsitud lähenemises. Masinõppel on oma roll nii ravimi määramisel kui haiguse geneetilise tausta teadasaamisel, et valida õige raviprotsess. Kuigi igaüks vastutab oma tervisliku seisundi eest ise, tuntakse ka teatud üldisi riskiprofiilide arvutamise võimalusi. Juba on suudetud inimesi nende geneetilist komponenti teades aidata. Massiline järelduste genereerimine ja laadimine ei ole aga veel toimunud.

Personaalmeditsiinis peaks koonduma nii mahukas avalik teadmus (ravijuhised, teaduskirjandus, uusimad ravimid ja kasutusjuhised), meditsiinilised taustaandmed (sarnaste patsientide kogemus, raviskeemide võrdlus) kui ka uued suured andmed (genoomika, käitumisinfo). Selle info alusel panevad infotehnoloogiasüsteemid kokku tervikliku ülevaate ja juhivad tähelepanu kõige olulisemale, andes vihjeid nii arstile, inimesele kui tervishoiukorraldusele.

Ideest tervikliku lahenduseni
Andmete analüüsiks ei ole hetkel ühte universaalset tarka programmi ja seda ei planeerita ka tulevikuks. „Sõltuvalt haigusest peaks meetodid erinevad olema, näiteks diabeedi ja vähi puhul on palju spetsiifilist, kuid jagub ka sarnasusi. Samm-sammult saab teadus jälile uuele infole, mis tuleb süsteemides pidevalt kasutusele võtta. Mõni analüüs on lihtsam, teisel pole veel tõendust, et see üldse töötab. Andmete kasutamisel on oluline, et tarkvara pääseks ligi isiku enda infole, suudaks seda analüüsida ja võrrelda kõigi teiste andmetega.”
Kuidas see kõik ideaalses personaalmeditsiinis tulevikus toimima hakkab, veel ei teata. Eestis haldab arstide ja asutuste kokku pandud tsentraalset tervishoiualast infot Tervise ja Heaolu Infosüsteemide Keskus TEHIK. „Sinna saaks lisada täiendavat adekvaatset infot, mida inimesed ise toodavad: regulaarsed terviseküsitlused, liikumine, toitumine, suitsetamine, nutikellade info, geeniandmed jne.”

Praegu vajab lahendamist küsimus, kuidas kõiki neid andmeid väärindada, analüüsida ja võrrelda. Tehniliselt on lihtne inimestelt andmete töötluseks nõusolekut küsida, aga see ei tähenda, et see kõigile arusaadav on. Andmete kaitseks ja anonüümsuse tagamiseks on võimalik kasutada mitmeid tehnilisi meetodeid.
Personaalmeditsiini lipulaevaks Eestis on Geenivaramu. Nende genoominfo peale saab luua arvutusmudelitega profiile, mida võiks hakata geneetikute kaasabil patsientidele edastama. Ravimite vastunäidustusi võiks tehniliselt varemgi anda. Samas ei ole kirjeldatud teadmusbaasi kasvatamise protsessi ega seda, kuidas seda uue teaduskirjanduse alusel pidevalt uuendada, samuti pole öeldud, millised on seni maailmas tuvastatud vastunäidustuste põhjused.

Muutes meditsiinimaailma

Teadmised personaalmeditsiini võimalustest arenevad üha. Võimalik, et hetke parim teadmine on homme vale või vastupidi. Võtame või dieedi: kui paljusid dieete on aja jooksul tervislikuks või kahjulikuks peetud? Oluline on, et andmed on õige inimese omad ja arvuti soovitused ei tee arstile ning inimesele halba. Arst peab raviotsuste tegemisel olema väga teadlik – arvuti saab vihjeid ja hoiatusi andes vaid aidata.

Mitmes riigis arendatakse teadusprogramme, mille eesmärk on jõuda rakendatavate ideedeni. Enamasti pole aga võimekust inimeste andmeid koondada. Näiteks puudub korralik isikukoodisüsteem, asutused põhimõtteliselt ei vaheta andmeid ja riikide sees on piirkondlikud andmete nn silotornid. Eestil on aga võimalus teha korraga lahendus kõikidele elanikele.

Personaalmeditsiini valdkonda investeerimine võiks olla üks riigi prioriteetidest. Riigi jaoks on Jaak Vilo sõnul siin kolm olulist aspekti: rahva tervise üldine paranemine, kvaliteetsemad raviotsused ja konkurentsivõimeliste lahenduste loomine kogu maailmale saadud teadmiste ja kogemuste baasil. Kui Eestis asjad töötavad, saab ja tuleb seda kogemust tootestada ning eksportida. Isegi rahvusvahelises teaduskoostöös osalemiseks peavad kodus asjad eesliini vääriliselt korras olema. Rahvusvaheline koostöö on ka ise eksport, võimaldades tuua siia välisrahastust teadusuuringute läbiviimiseks.

E-tervise järelkasv

Just meditsiinivaldkonna andmete koondamisest ja analüüsist Tarkvara TAK (Tarkvara Tehnoloogiate Arenduskeskus STACC) terviseandmete uurimise töörühmas sai alguse masinõppel põhinevat tekstitöötlust pakkuv ettevõtte TEXTA. Aastaid tagasi läbi viidud projekti raames oli E-tervise Sihtasutusel hallata ligi 3 miljonit dokumenti, aga puudusid võimalused neid arvuti abil analüüsida. Tekstina talletatud informatsiooni analüüsimiseks loodi pilootprojekti käigus võimekus terviseandmete koondamiseks ja töötlemiseks selliselt, et oleks võimalik kiirelt info leida ja terviseteaduslikke hüpoteese testida.

TEXTA loojad Silver Traat ja Raul Sirel ütlevad, et praeguseks on vaid aasta äriühinguna tegutsetud ja sellele eelnes ligi kuus aastast uurimistööd ja masinõppealase innovatsiooni ehitamist. TEXTA tegijate sõnul võiks nende lahendus olla kasutusel kõigis tervishoiuasutustes ja mitte ainult – valmis tooteks vormitud õppiv süsteem leiab rakendust pea igas valdkonnas, kus tahetakse andmetega töötamist paremaks muuta. Tervise valdkonnas kasutab tekstianalüüsi võimalusi hetkel näiteks Geenivaramu.

Tekstianalüüsi teenuste kasutamise eelduseks on kliendi andmete (dokumendid, meilid, kliendikaebused, lepingud) olemasolu. Esimeses etapis toimib andmekvaliteedi esialgne analüüs. Seejärel luuakse kliendi soovidele vastav lahendus ja lõpptulemuseks on lihtsasti integreeritav liidestus (API) või vastavalt seadistatud TEXTA Toolkit.

Viimasest piisab, kui ettevõte soovib, et dokumendiringlus oleks sõltumata keelest analüütikaga pidevas suhtluses ja ajakohane. Keerukamate otsingute ja lahenduste jaoks treenitakse keelemudeleid vastavalt andmestiku eripäradele. Masin töötleb taustal kliendi andmehulka ja mõne tunniga on masinõppemudel treenitud ning süsteem valmis.

Tekstitöötlus praktikas

TEXTA-l on palju projekte ja lisaks kõigi jaoks sobivale valmislahendusele (tööriistakast), tehakse ka erilahendusi. Näiteks kasutatakse tekstianalüüsi netikommentaariumide haldamiseks. Silver ja Raul kirjeldavad: „Tegime kommentaaride filtri, millega pidime automaatselt tuvastama rassistlikud, vägivalda õhutavad ja solvavad ütlemised. Testisime hüpoteese ja kuigi moderaatorite subjektiivsuse tõttu oli treeningandmestik masinõppe jaoks halb, suutsime selle kvaliteeti tänu oma tööriistadele tõsta ning klient sai soovitud lahenduse. Rassistliku kommentaari korral saadab programm automaatselt vastava teavituse moderaatorile, hõlbustades tunduvalt tema tööd.”

TEXTA klientide seas on ka ettevõtteid, kes tahavad oma töötajatele või lõppkasutajatele soovitusi anda. See tähendab, et kasutades masinõpet ja keeletehnoloogia vahendeid, soovitatakse ettevõtte andmete alusel sarnaseid tooteid, artikleid või tääge. Lisaks saab ettevõtte sees masinõpet kasutada, et leida sarnaseid pakkumisi, lepinguid või hankeid. See tagab nii ühtse lähenemise kui olukorra, et informatsioon ei lähe töötajate vahetumise tõttu kaduma.

„Seda saab rakendada panganduses, kindlustuses ja klienditoes, kus ettevõttesse tuleb väga palju informatsiooni e-kirjade ning vabatekstina. Näiteks tuvastame automaatselt, et kliendikaebus räägib tehnilisest rikkest, ja kiri saadetakse otse vastutavale inimesele. Nii saab ettevõtte protsesse palju efektiivsemaks muuta,” ütleb Silver.

Arvuti kui assistent

Suur ja oluline valdkond, kus tekstianalüüsi kasutatakse, on juriidika. TEXTA Law on selle aasta märtsis tooteks vorminud võimaluse, mis koondab erinevad andmeallikad, nagu seaduste seletuskirjad, kohtulahendid, hankevaidlustused jpm ühtsesse andmebaasi. Dokumendid muudetakse masinloetavaks, mis annab võimaluse nende sisu analüüsida. Kliendile on loodud kasutajaliides, mille kaudu saab teha nii märksõna-, prefiks- kui fraasiotsinguid ja tulemusi paari klikiga soovitud täpsuseni filtreerida. Otsinguid saab teha ka saksa ja inglise keeles, kuna TEXTA ei ole domeeni- ega keelespetsiifiline.

Süsteem võimaldab huvipakkuva asjaolu kohta ka statistikat genereerida. Näiteks vaadata viimase viie aasta avaliku korra rikkumiste puhul süüdimõistvaid otsuseid. Siiani sai ligilähedast statistikat leida justiitsministeeriumi lehelt, aga TEXTA statistika põhineb tekstide analüüsil ja on kiirelt kättesaadav. „Dokumente on siin taga ligi miljon ja kui sa saad sellisest hulgast paari sekundiga info kätte, on see päris hea,” kinnitab Raul Sirel.

Teenust kasutavad advokaadi- ja õigusbürood, kus varem tegelesid selle eeltööga nooremspetsialistid või assistendi. Odavamast ja paremast teenusest saavad kasu ka advokaadi- ja õigusbüroode lõppkliendid.

Vaata lisa https://www.sm.ee/et/personaalmeditsiin-1 ja http://www.texta.ee/!