Erklärbares KI-System zur Diagnose und Behandlung von Kindern mit adversen Kindheitserfahrungen

Forscher des Oak Ridge Laboratory haben kürzlich ein KI-System entwickelt, das die Diagnose und Behandlung von Personen, die eine signifikante Kindheitsadversität erlebt haben, erleichtern soll. Laut The Next Web ist das KI-System so konzipiert, dass es “erklärbar” ist, im Gegensatz zu vielen KI-Modellen, die schwarze Kästchen sind, indem es Ausschnitte der Daten zurückgibt, die für seine Entscheidungen verwendet wurden.

Der Begriff “Adverse Childhood Experience” (ACEs) bezieht sich auf traumatische Ereignisse, die Personen vor dem 18. Lebensjahr widerfahren, und umfasst alle Arten von Missbrauch und Vernachlässigung sowie Inhaftierung, Substanzmissbrauch, häusliche Gewalt gegenüber einem Elternteil und psychische Erkrankungen eines Elternteils. ACEs können lebenslange Auswirkungen auf die Entwicklung und das Wohlbefinden von Menschen haben, und wie bei vielen medizinischen Problemen kann eine frühe Erkennung und Behandlung die Ergebnisse für die Betroffenen verbessern. Die Art der wirksamen Interventionen für diejenigen, die ACEs erlebt haben, ist gut bekannt und gut erforscht, aber psychische Gesundheitseinrichtungen verfügen oft nicht über die Ressourcen, um eine Person zu diagnostizieren und sie durch den gesamten Behandlungsprozess zu begleiten.

Das KI-System wurde von zwei medizinischen Forschern der University of Tennessee’s Oak Ridge National Laboratory, Nariman Ammar und Arash Shaban-Nejad, entwickelt. In einem vor kurzem veröffentlichten Vorabdruck veröffentlicht durch JMIR Medical Informatics beschrieb das Forschungsteam die Entwicklung und Erprobung ihres KI-Modells, das dazu bestimmt ist, medizinische Fachkräfte bei der Diagnose und Behandlung von Personen, die von ACEs betroffen sind, zu unterstützen.

Das KI-Modell soll medizinischen Fachkräften bestimmte Interventionen vorschlagen, um es ihnen zu erleichtern, Menschen zu helfen, die an ACEs leiden. Der aktuelle Prozess, um eine Person, die an ACEs leidet, zu behandeln, ist lang und komplex. Um Personen, die von ACEs betroffen sind, zu diagnostizieren, müssen medizinische Fachkräfte eine spezielle Ausbildung in den richtigen Fragen erhalten, die sie dann verwenden, um Einblicke in die Ereignisse zu gewinnen, die eine Person in ihrer Kindheit geprägt haben, und wie diese Ereignisse sie beeinflusst haben könnten. Wenn man die vielen möglichen Kombinationen von Fragen und Antworten berücksichtigt, kann es für einen Anbieter schwierig sein, eine bestimmte Art von Intervention zu empfehlen. Darüber hinaus gibt es, sobald Termine mit medizinischen oder staatlichen Einrichtungen vereinbart wurden, eine lange Reihe von Gesundheits- und Regierungsmitarbeitern, die mit einem Patienten zu tun haben, und diese sind nicht garantiert, die richtige Ausbildung oder das richtige Verständnis von ACEs zu haben.

Um diese Probleme zu lösen, entwarf das Forschungsteam eine KI-Anwendung, die ähnlich wie ein Chatbot für technische Supportzwecke funktioniert. Diejenigen, die das KI-System verwenden, geben Patienteninformationen in das Modell ein, das dann eine Empfehlung für bestimmte Interventionen auf einem bestimmten Zeitplan zurückgibt, basierend auf der Datenbank, auf der das Modell trainiert wurde. Das Modell berücksichtigt natürliche Spracheingaben, interpretiert Phrasen wie “mein Haus hat keine Heizung” als Indikatoren für mögliche Kindheitsadversität, prüft diese kontextuellen Aussagen gegen einen medizinischen Leitfaden für die Behandlung von ACEs und empfiehlt die besten Aktionen.

Die Antworten auf Benutzereingaben sind nicht hartcodiert, sondern dynamisch, indem sie ein System von Webhooks verwenden, die externe Dienstendpunkte auslösen und aufrufen, um dynamische Antworten zu generieren. Das KI-System entscheidet, welche Fragen gestellt werden sollten, basierend auf den Antworten, die auf vorherige Fragen gegeben wurden, mit dem Endziel, die Sammlung der nützlichsten, relevantesten Informationen in den wenigsten Fragen zu ermöglichen. Wie bereits erwähnt, ist das System auch erklärbar, indem es die Daten, die es verwendet, um Entscheidungen über Interventionen zu treffen, offenlegt. Als Ergebnis ist das System nachvollziehbar, und medizinische Fachkräfte sollten in der Lage sein, die Logik, die das System verwendet, rückwärts zu verfolgen.

Das von den Forschern des Oak Ridge Laboratory entwickelte KI-System ist einer der ersten datengetriebenen Ansätze, um medizinischen Fachkräften zu helfen, Menschen mit ACEs besser zu diagnostizieren. Während dies an sich bereits eine beeindruckende Leistung ist, ist es möglich, dass der allgemeine Ansatz, der zur Entwicklung des KI-Systems und des Chatbots verwendet wurde, auf andere Bereiche ausgedehnt und verwendet werden kann, um andere Formen von psychischen Erkrankungen zu diagnostizieren und zu behandeln. Die Methoden, die verwendet werden, um die Daten, die für bestimmte Entscheidungen verwendet werden, offenzulegen, können auch genutzt werden, um die Transparenz und Erklärbarkeit von maschinellen Lernsystemen als Ganzes zu erhöhen.