Aalto-yliopistoon tehdyssä diplomityössä Ruponen soveltaa erilaisia kielimalleja vakuutuslääkäreiden lausuntoihin ja vertaa esikoulutettuja suomenkielisiä kielimalleja esimerkiksi peruslinjan BERT-malliin.

Palkintoarvion mukaan opinnäytetyön tulokset luovat perustan tuleville käytännön sovelluksille ja tutkimukselle eläkevakuutusalalla sekä mahdollistavat tehokkaamman ja tarkemman työkyvyttömyysarviointiprosessin.

Palkinto antaa motivaatiota jatkaa uusien ratkaisujen etsimistä

Kevassa data-analytiikkaan ja tekoälyyn liittyvissä projekteissa työskentelevän Ruposen mukaan tunnustus antaa lisämotivaatiota jatkaa eläkealalla kehittymistä ja uusien ratkaisujen etsimistä.

Hänen mukaansa suuret kielimallit ovat herättäneet laajaa kiinnostusta, mutta niiden suorituskyky voi kärsiä eläkealan yksityiskohtaisissa ongelmissa, jotka sisältävät esimerkiksi suomenkielistä ammattislangia.

– Näissä tapauksissa voi olla tehokkaampaa kouluttaa pienempi kielimalli keskittymään tarkkarajaiseen tehtävään kuten olen työssäni tehnyt. Tällaisia malleja voitaisiin hyödyntää työkyvyttömyysprosessin eri vaiheissa muun muassa parantamaan vakuutuslääkäreiden ja eläkekäsittelijöiden tiedonhakua sekä seuraamaan prosessin tasapuolisuutta.

Ruposen mukaan toinen mielenkiintoinen sovellusalue eläkealalla on asiakaspalvelu, jossa tekoäly voi luokitella viestejä automaattisesti ja generoida vastauspohjia asiakaspalvelijan tueksi.

Opinnäytetyöt arvioi Elina Pylkkänen

Pro gradu -palkintoehdokkaat arvioineen taloustieteilijä, alivaltiosihteeri Elina Pylkkäsen mukaan Ruponen on rohkeasti ja luovasti tarttunut eläkevakuutusjärjestelmän haasteeseen alati kehittyvien kielimallien avulla.

Hänen mukaansa erityyppisten kielimallien soveltaminen asiantuntijalausuntoihin ja henkilön itsensä tekemään arvioon työkyvystään mahdollistaa tehokkaamman ja tarkemman työkyvyttömyysarviointiprosessin.

Pylkkänen huomauttaa, että Suomessa on maailman parhaat yksilöitä koskevat tietoaineistot. Niitä voitaisiin hyödyntää huomattavasti nykyistä enemmän kuntoutustarpeen arvioinnissa ja työkyvyttömyyseläkehakemusten käsittelyssä.

Erityisen tärkeää on hänen mielestään, että kielimalleja pystyttäisiin hyödyntämään oikea-aikaiseen ja oikean tyyppiseen kuntoutusinterventioon, jotta suomalaisten työurat pitenevät ja sairauspoissaolot lyhenevät.   

ETK:n pro gradu -palkinto myönnetään opinnäytteelle, joka on hyväksytty suomalaisessa yliopistossa edellisen kalenterivuoden aikana. Tunnustus myönnetään tutkielmalle, jonka aihe on eläketurvan kannalta kiinnostava ja jonka toteutus on korkeatasoinen. Palkinnon arvo on 2 000 euroa.

Pellervo Ruposen opinnäytetyö: Predicting diagnosis classes from medical text using deep transformer-based models (Aalto.fi)