Systemaattiset kirjallisuuskatsaukset ovat kasvattaneet viime vuosina suosiotaan erityisesti liiketalouden ja johtamisen tutkimuksessa, mutta kaikista yleisimpiä ne ovat edelleen lääketieteessä ja terveysteknologiassa (Klatt 2023). Kirjallisuuskatsauksen tekeminen on perinteisesti työläs manuaalinen prosessi, joten ei siis ihme, että tekoäly on syöksynyt ryminällä apuun. Suomessa kehitetyn terveysteknologian tuotevienti on kasvanut lähes joka vuosi jo viimeisen parikymmenen vuoden ajan (Business Finland 2023), joten kaikki tätä prosessia tukevat menetelmät ovat erittäin tarpeellisia ja ajankohtaisia. Tekoälyn avulla on mahdollista automatisoida perinteisempiä, rutiininomaisia tehtäviä sekä hallita suuriakin määriä dataa, mikä vapauttaa asiantuntijoiden aikaa vaativampiin tehtäviin.

Lääketieteen ja terveysteknologian arviointi edellyttää kasvavien tietomäärien käsittelyä, systemaattista dokumentaatiota ja näyttöön perustuvaa lähestymistapaa. Erityisesti kliiniset laite- ja lääketutkimukset sekä lääkinnällisten laitteiden sääntelyvaatimukset asettavat merkittäviä resurssihaasteita alan pienemmille toimijoille. Systemaattiset kirjallisuuskatsaukset ovat olennainen osa tätä prosessia, mutta niiden suorittaminen manuaalisesti on aikaa vievää ja samaan aikaan myös altis inhimillisille virheille. Tekoäly ei kärsi väsymisestä, suoritustason vaihtelusta, harhailevasta mielestä tai muutossokeudesta, joten se on parhaimmillaan juuri rutiininomaisten ja tylsien tehtävien parissa.

Tutkimusten lähtötiedoiksi vaadittavat kirjallisuuskatsauksen tutkimustietokantojen hakulöydöksiä on tyypillisesti satoja tai jopa tuhansia yhdessä projektissa (Asikainen 2024). Viime vuosina tehdyt tutkimukset sekä yritystapaukset antavat kuitenkin viitteitä, että tekoäly voi nopeuttaa etenkin seulonta- ja tiedonpoimintavaiheita tehostaen näin tutkimusten tunnistamista ja analysointia (esim Bolaños ym. 2024). Samalla se mahdollistaa entistä laajemman katsauksen tekemisen, kun kieli tai tehtyjen hakujen määrä ei ole este. Ihmisen työ helpottuu huomattavasti, jos tekoäly voi hoitaa kaikki helpoimmat tiedonhakutehtävät, ja ihminen voi keskittyä vain hankalimpiin tapauksiin.

Tekoälysovellukset voivat myös auttaa tutkijoita tunnistamaan keskeisiä teemoja ja niihin liittyviä aukkoja tutkimuskentän laajoista tietomassoista (Wagner ym. 2022). Terveysteknologialla onkin hyvät edellytykset toimia tekoälyn käyttöönoton edelläkävijänä. Jo tänä päivänä tekoäly, eli käytännössä suuret kielimallit, on saavuttanut riittävän tason vaativiinkin tiedonhaku- ja seulontatehtäviin. Tutkimustrendien ja teknologisen kehityksen perusteella on mahdollista ennakoida jopa ilman kristallipalloa, että kehitys jatkuu ja tekoäly muuttaa systemaattisten kirjallisuuskatsausten laatimisprosessin sekä tiedonkeruun koko kentän jo lähivuosina. Tämän puolestaan voi odottaa tehostavan analyysiprosessia ja tulosten tarkkuutta, mikä puolestaan vahvistaa näyttöön perustuvaa päätöksentekoa ja vauhdittaa innovaatioiden kehittymistä toimialalla.