Selitettävä tekoäly luotu diagnosoida ja hoitaa lapsia, joilla on traumatisoivat kokemukset lapsuudesta

Oak Ridge Laboratoryn tutkijat ovat kehittäneet äskettäin tekoälyjärjestelmän, jonka tarkoituksena on helpottaa traumatisoivien lapsuuskokemusten diagnosointia ja hoitoa. The Next Webin mukaan tekoälyjärjestelmä on suunniteltu “selitettäväksi”, toisin kuin monet tekoälymallit, jotka ovat mustia laatikoita, ja se palauttaa osia siitä datasta, jota se on käyttänyt päätöksenteossaan.

Termi “traumatisoiva lapsuuskokemus” (Adverse Childhood Experience, ACE) viittaa traumatisoiviin tapahtumiin, jotka tapahtuvat ennen 18 vuoden ikää, ja ne käsittävät kaikenlaiset väkivallan ja laiminlyönnin muodot, sekä vankeuden, päihteiden käytön, perheväkivallan vanhempiin ja vanhemman mielenterveyden ongelmia. ACE:t voivat vaikuttaa elinikäisesti ihmisten kehitykseen ja hyvinvointiin, ja kuten monissa terveydenhuollon ongelmissa, varhainen diagnosointi ja hoito voivat parantaa tuloksia niille, jotka ovat käyneet läpi. Tehokkaiden interventioiden tyypit niille, jotka ovat kokeneet ACE:itä, ovat hyvin tunnettuja ja tutkittuja, mutta mielenterveyden hoitopalvelut usein puuttuvat resursseista diagnosoida henkilö ja seurata heidän koko hoitoprosessia.

Tekoälyjärjestelmä kehitettiin kahden lääketieteellisen tutkijan, Nariman Ammarin ja Arash Shaban-Nejadin, toimesta Tennesseen yliopiston Oak Ridge National Laboratoryssa. Esitelmässä, joka on julkaistu äskettäin JMIR Medical Informatics -julkaisussa, tutkimusryhmä kuvasi tekoälymallinsa kehittämisen ja testaamisen, jonka tarkoituksena on auttaa lääketieteellisiä ammattilaisia diagnosoida ja hoitaa niitä, jotka ovat vaikuttuneet ACE:istä.

Tekoälymalli on tarkoitettu ehdottamaan tiettyjä interventioita lääketieteellisille ammattilaisille, mikä tekee heidän työstään helpompaa auttaa niitä, jotka kärsivät ACE:istä. Nykyinen prosessi saada ACE:istä kärsivälle henkilölle hoito on pitkä ja monimutkainen. Diagnosoidakseen henkilöitä, jotka ovat vaikuttuneet ACE:istä, lääketieteelliset ammattilaiset on saatava koulutus oikeanlaisiin kysymyksiin, ja sitten heidän on käytettävä oikeita kysymyksiä saadakseen tietoa siitä, mitkä tapahtumat muovasivat henkilön lapsuuden ja miten nämä tapahtumat vaikuttivat heihin. Kun otetaan huomioon monien eri mahdollisten kysymysten ja vastausten yhdistelmät, se voi olla hyvin vaikeaa toimija suositella tietynlaista interventiota. Lisäksi, kun tapaamiset terveydenhuollon tai hallinnon virastojen kanssa on tehty, siellä on pitkä joukko terveydenhuollon ja hallinnon työntekijöitä, jotka käsittelevät potilasta, ja heillä ei välttämättä ole oikeaa määrää koulutusta tai ymmärrystä ACE:istä.

Ratkaistaakseen nämä ongelmat tutkimusryhmä suunnitteli tekoälysovelluksen, joka toimii samalla tavalla kuin chatbot teknisen tuen tarkoituksiin. Ne, jotka käyttävät tekoälyjärjestelmää, syöttävät potilastietoja malliin, joka palauttaa suosituksen tietynlaisille interventioille tietyn aikataulun mukaan, perustuen siihen tietokantaan, jolle malli on koulutettu. Malli ottaa luonnollisen kielen syötteet huomioon, tulkiten lauseita kuten “talossani ei ole lämmitystä” osoituksina mahdollisista lapsuuden traumoista, tarkistaa nämä kontekstuaaliset lauseet lääketieteellisen oppaan mukaan ACE:iden hoidosta, suositellen parhaita toimia.

Vastaukset käyttäjän syötteisiin eivät ole kovakoodattuja, vaan ne ovat dynaamisia, käyttäen webhook-järjestelmää, joka laukaisee ja kutsuu ulkoisia palvelupäätteitä, jotka generoivat dynaamiset vastaukset. Tekoälyjärjestelmä päättää, mitkä kysymykset pitäisi esittää vastauksien perusteella edellisiin kysymyksiin, lopullisen tavoitteen ollessa mahdollistaa kaiken hyödyllisen, relevantin tiedon kerääminen vähimmäisillä kysymyksillä. Kuten aiemmin mainittiin, järjestelmä on myös selitettävä, paljastaen datan, jonka se on käyttänyt päätöksentekoon interventioista. Tämän seurauksena järjestelmä on jäljitettävä, ja lääketieteelliset ammattilaiset pitäisi pystyä seuraamaan logiikkaa, jota järjestelmä on käyttänyt.

Oak Ridge Laboratoryn tutkijoiden kehittämä tekoälyjärjestelmä on yksi ensimmäisistä dataohjattuista lähestymistavoista, joiden avulla lääketieteelliset ammattilaiset voivat parantaa ACE:iden diagnosointia. Vaikka tämä on jo itsessään merkittävä saavutus, on mahdollista, että yleinen lähestymistapa, jota tekoälyjärjestelmän ja chatbotin kehittämisessä on käytetty, voidaan extrapoloida muihin aloihin ja käyttää muiden mielenterveyden ongelmien diagnosointiin ja hoitoon. Menetelmät, joita käytetään datan paljastamiseen, jota käytetään tiettyjen päätösten tekemiseen, voidaan myös hyödyntää lisäämään läpinäkyvyyttä ja selitettävyyttä koneoppimisjärjestelmissä yleensä.