DI Lauri Neuvosen Liikkeenjohdon Systeemit aineen väitöskirja “Supporting decision making in complex multiobjective problems: Practical tools and experiences from the healthcare context.”  tarkastetaan Aalto-yliopiston kauppakorkeakoulussa perjantaina 23.2.2024.

Väitöstilaisuus alkaa klo 12.00 Kauppakorkeakoululla, os. Ekonominaukio 1, Espoo (sali U006).

Useiden valtioiden terveydenhuoltojärjestelmiin kohdistuu kasvavaa painetta tarjota enemmän palveluita vähemmillä resursseilla. Tämä on tilanne myös Suomessa. Tätä painetta vahvistavat muun muassa väestön ikääntyminen ja elinajanodotteen kasvu. Kyseinen kehitys korostaa resurssitehokkuuden roolia terveydenhuoltojärjestelmän kestävyydessä. Terveydenhuoltopäätöksissä täytyy usein huomioida myös useita ristiriitaisia tavoitteita, kuten terveyshyötyjen kasvattamista ja resurssien käytön minimoimista, sekä monimutkaisia vuorovaikutuksia järjestelmän eri osien välillä. Nämä vaatimukset tekevät terveydenhuoltoalasta haastavan ja samalla mielenkiintoisen kohteen monitavoiteoptimoinnin hyödyntämiselle osana päätöksenteon tukemista. Monitavoiteoptimointi on menetelmä, jolla voidaan etsiä parhaita päätössuosituksia tilanteissa, joissa on useita, mahdollisesti ristiriitaisiakin tavoitteita. Viimeaikainen kehitys sekä laskentatehossa että algoritmeissa on tehnyt monitavoiteoptimoinnista käyttökelpoisen työkalun realistisen kokoluokan ongelmien ratkomiseen.

Tässä väitöskirjassa kehitetään monitavoiteoptimoinnin työkaluja ja tutkitaan niiden soveltamista kolmen käytännön ongelman ratkaisemiseen: i) COVID-19-epidemian hallitsemiseen, ii) suomalaisen suolistosyöpien seulontaohjelman tehokkuuden parantamiseen sekä iii) sairaalaverkon suunnitteluun polvi- ja lonkkanivelleikkauksia varten. Kehitetyt mallinnusratkaisut auttavat käsittelemään löydettyjen päätössuositusten toimivuuteen liittyviä epävarmuuksia. Ne myös auttavat käsittelemään päätöksentekijän tavoitteiden painotukseen liittyvää epätarkkuutta. Tutkimuksen painopiste on ongelmien tarpeeksi tarkassa mallintamisessa niin, että päätössuositukset ja mallin avulla tehdyt havainnot ovat käytännön kannalta hyödyllisiä, ja että samalla voidaan hyödyntää monitavoiteoptimointia parhaiden ratkaisukandidaattien tunnistamisessa.

Tämän väitöskirjan panos kirjallisuuteen on kahtalainen. Ensinnäkin väitöskirja esittelee monitavoiteoptimointiin perustuvia mallinnusratkaisuja, joita voidaan käyttää todellisten terveydenhuollon monimutkaisten järjestelmätason ongelmien ratkaisemiseen. Nämä mallinnusratkaisut auttavat tekemään havaintoja, joita olisi vaikea tehdä ilman mallinnuksen hyödyntämistä. Toinen, yleisemmän tason panos syntyy monitavoiteoptimointiin perustuvien lähestymistapojen käytettävyyden, hyötyjen ja haasteiden esittelystä ja havainnollistamisesta terveydenhuoltojärjestelmään liittyvien ongelmien ratkaisemisessa.

Lisätietoa väitöstilaisuudesta

Kehittelen tässä tekstissä Operaatiotutkimuksen ja Analytiikan opetukseen liittyvää ideaa, joka on hautunut mielessäni jo aika pitkään. Oikeastaan siitä asti kun olin kurssiassistenttina, mistä on kohta kymmenen vuotta. Sittemmin olen valmistunut tekniikan tohtoriksi, viettänyt muutaman vuoden teollisuuden puolella, ja palannut taas yliopistotyöhön Aalto-yliopistoon tutkijatohtoriksi 60% aika-allokaatiolla. (Merkittävä osa missiotani on rakentaa siltoja teorian ja käytännön välillä.)

Uskon, että operaatiotutkimuksen ja analytiikan opetuksessa kannattaisi hyödyntää ns. omakohtaisia esimerkkiongelmia.

Tarkoitan ongelmia kuten ”kurssin kehittämistä tukevan palautteen kerääminen” tai ”kotitalouden ruokamenojen järkevöittäminen”. Esimerkiksi luennolla tai harjoitustöissä voitaisiin ideoida, miten kurssin palautteen keräämisen voi tehdä monikriteerisen arvioinnin avulla, mitä kriteereitä olisi hyvä käyttää jne. Sitten oppilaat voisivat kokemusasiantuntijoina antaa näkemyksiään monikriteeriseen kyselyyn, jota opettaja hyödyntäisi kurssin kehittämisessä. Ruokamenojen kohdalla puolestaan voisi harjoitella esimerkiksi luokittelua, excelin käyttöä ja visualisointia. Lisäksi voitaisiin vaikkapa tutkailla mieltymyksiä koskien rahan käyttöä, ja tunnistaa sille vaihtoehtoisia käyttökohteita.

Omakohtaisten esimerkkiongelmien kautta opetukseen ja opiskeluun voisi saada entistä enemmän realismia ja tunnetta.

Realismia olisi esimerkiksi se, että pitää keksiä mistä tai miten ongelman analyysin edellyttämän datan saa kerättyä. Tai sen arviointi, että onko sovelluskohde riittävän kiinnostava, jotta sitä ylipäätään on mielekästä analysoida formaalisti.

Omakohtaiset ongelmat auttavat myös havainnollistamaan kontekstisidonnaisuutta, joka on keskeistä esimerkiksi analyysin rajausten kannalta. Keinotekoiset (oppikirjaongelmat) helposti rajataan analyysimetodin ehdoilla, mikä syö realismia. Sen sijaan omakohtaisten ongelmien kohdalla tehtävän asettajalla on suuremmalla todennäköisyydellä motivaatiota ja riittävästi asiantuntemusta tehdä rajaus, joka oikeasti palvelee kokonaisvaltaista ongelmanratkaisua ja kehittämistä.

Tunnetta havainnollistaa esimerkiksi aavistus ”tässä kohtaa laskelmissa on jotain merkillistä tai outoa”, jonka analysoija, mallintaja tms voi saada tilanteesta riippuen innostuksen tai ahdistuksen siivittämänä. Tämänkaltainen aavistus usein johtaa hyödylliseen oivallukseen koskien laskelmien kehittämistä. Ongelman tuntemus edesauttaa sitä, että tunnesignaali on merkityksellinen. Esimerkiksi laskelmien realistisuuden oudoksuminen juontuu kyvystä verrata niitä tosimaailmaan.

Uskoisin, että tunnetta on hyvällä tavalla pelissä enemmän, jos analysoija välittää analyysin kohteesta.
Kontrastina välittämiselle etenkin hälläväliä asenne voi olla kohtalokas, mitä tulee esimerkiksi kriittiseen ajatteluun tai opitun muistamiseen.

Käytännössä omakohtaisia esimerkkiongelmia voi tuoda opetukseen monella tavalla. Ensinnäkin opettaja voi luennoissaan hyödyntää esimerkkiongelmia, jotka ovat hänelle ja/tai osalle kuulijoista omakohtaisia, ja muille helposti samaistuttavia. Toinen vaihtoehto on hyödyntää omakohtaisia esimerkkiongelmia pohdintatehtävissä osana luentoja tai viikottaisten harjoitusten yhteydessä. Kolmas, enemmän valmistelua vaativa vaihtoehto, on harjoitustöiden rakentaminen omakohtaisten esimerkkiongelmien ympärille.

Parhaassa tapauksessa ongelman omakohtaisuus opiskelijalle ei syntyisi pelkästä temaattisesti yhteydestä hänen elämäänsä, vaan ongelman tarkempi määritys ja analyysissä hyödynnettävä data olisivat peräisin hänen omasta elämästään. Näin ollen ei olisi lainkaan mahdotonta, että huolellisesti tehdyn analyysin tulos jopa muuttaisi toimintaa kohti parempaa.

Voi olla, että kestää hetki, ennen kuin konseptin saa rokkaamaan. Kannattanee kuitenkin yrittää, sillä operaatiotutkimuksen ja analytiikan menetelmistä moni on tarkoitettu käyttöä varten; ei pelkästään ihailtavaksi.

Omakohtaisuuden kautta voisimme uskoakseni antaa lisäsysäyksen käytännön soveltamisen valmiuksien kehittymiselle.

—

Lisäinspiraatiota:

Itse olen tässä tekstissä kerrotun suuntaista kokeillut oppilaiden kanssa juurikin kurssipalautteeseen liittyen. Aiheesta kirjoittamani artikkelin “Collecting actionable and value-focused feedback using multi-criteria evaluation — a procedure and an application” käsikirjoitus on löydettävissä täältä.

Useassa lähteessä käsitellään mallien soveltamista arkisessa ongelmanratkaisussa, ja jopa oman elämäfilosofian kehittämisessä. Esimerkkeinä kirja “Algorithms to Live By” ja LessWrong sivusto.

ClimateUniversityn videossa FORS kunniapuheenjohtaja Raimo P. Hämäläinen käsittelee Ladder Of Inference teoriaa omakohtaisen esimerkin kautta.

LeanLife blogissa KTT Tommi Pajala ja hänen vaimonsa Sonja Rajala soveltavat mm. laskentamenetelmiä sekä johtamisoppeja omaan kotitalouteensa.

Omakohtaisia esimerkkejä voi analysoida myös olemassaolevien mallinnustyökalujen kuten hiilijalanjälki-laskurin avulla.