‘Explicable’ IA Creada Para Diagnosticar y Tratar a Niños Con Experiencias Adversas en la Infancia

Investigadores del Laboratorio Oak Ridge han creado recientemente un sistema de IA destinado a facilitar el diagnóstico y el tratamiento de personas que han experimentado una adversidad significativa en la infancia. Según The Next Web, el sistema de IA está diseñado para ser “explicable”, a diferencia de muchos modelos de IA que son cajas negras, al devolver fragmentos de los datos utilizados para tomar sus decisiones.

El término “Experiencia Adversa en la Infancia” (ACEs) se refiere a eventos traumáticos que ocurren en personas antes de los 18 años y abarcan todas las formas de abuso y negligencia, así como la incarceración, el abuso de sustancias, la violencia doméstica hacia un padre y la enfermedad mental de un padre. Los ACEs pueden tener efectos de por vida en el desarrollo y el bienestar de las personas, y al igual que con muchos problemas médicos, la detección y el tratamiento tempranos pueden mejorar los resultados para las personas involucradas. El tipo de intervenciones efectivas para aquellos que han experimentado ACEs son bien conocidas y bien estudiadas, pero las agencias de tratamiento de salud mental a menudo carecen de los recursos para diagnosticar a una persona y llevarla a través del curso completo de tratamiento.

El sistema de IA fue desarrollado por dos investigadores médicos del Laboratorio Nacional Oak Ridge de la Universidad de Tennessee, Nariman Ammar y Arash Shaban-Nejad. En un artículo de preimpresión publicado recientemente a través de JMIR Medical Informatics, el equipo de investigación describió el desarrollo y la prueba de su modelo de IA, que está diseñado para ayudar a los profesionales médicos a diagnosticar y tratar a aquellos afectados por ACEs.

El modelo de IA está destinado a sugerir ciertas intervenciones a los profesionales médicos, lo que facilita a los profesionales ayudar a las personas que sufren de ACEs. El proceso actual para obtener tratamiento para una persona que sufre de ACE es largo y complejo. Para diagnosticar a personas afectadas por ACEs, los profesionales médicos deben recibir capacitación avanzada en el tipo correcto de preguntas para hacer, luego usar las preguntas correctas para obtener información sobre los eventos que dieron forma a la infancia de una persona y cómo los eventos pueden haber afectado a la persona. Al considerar las muchas combinaciones posibles de preguntas y respuestas, puede ser bastante difícil para un proveedor recomendar un tipo específico de intervención. Más allá de esto, una vez que se han realizado citas con agencias médicas o gubernamentales, habrá una larga fila de trabajadores de la salud y el gobierno que tratan con un paciente, y no se garantiza que tengan la cantidad correcta de capacitación o comprensión de ACEs.

Para abordar estos problemas, el equipo de investigación diseñó una aplicación de IA que funciona de manera similar a un chatbot para fines de soporte técnico. Los que utilizan el sistema de IA alimentan información del paciente en el modelo, que devuelve una recomendación para ciertas intervenciones en un horario determinado, basado en la base de datos en la que se entrenó el modelo. El modelo tiene en cuenta las entradas de lenguaje natural, interpretando frases como “mi casa no tiene calefacción” como indicadores de posible adversidad en la infancia, verificando estas declaraciones contextuales contra una guía médica para el tratamiento de ACEs, recomendando las mejores acciones.

Las respuestas a las entradas del usuario no están codificadas de antemano, sino que son dinámicas, utilizando un sistema de webhooks que activan y invocan puntos de conexión de servicio externos que generan respuestas dinámicas. El sistema de IA decide qué preguntas deben hacerse en función de las respuestas dadas a preguntas anteriores, con el objetivo final de permitir la recopilación de la información más útil y más relevante en la menor cantidad de preguntas. Como se mencionó anteriormente, el sistema también es explicable, exponiendo los datos que utilizó para tomar decisiones sobre intervenciones. Como resultado, el sistema es rastreable, y los profesionales médicos deberían poder seguir la lógica utilizada por el sistema hacia atrás.

El sistema de IA desarrollado por los investigadores del Laboratorio Oak Ridge es uno de los primeros enfoques basados en datos para permitir que los profesionales médicos diagnosticen mejor a las personas con ACEs. Si bien esto es un logro impresionante en sí mismo, es posible que el enfoque general utilizado para crear el sistema de IA y el chatbot se pueda extrapolar a otros dominios y se pueda utilizar para diagnosticar y tratar otras formas de enfermedad mental. Los métodos utilizados para exponer los datos utilizados para tomar ciertas decisiones también se pueden utilizar para aumentar la transparencia y la explicabilidad de los sistemas de aprendizaje automático en general.