Une IA « explicable » créée pour diagnostiquer et traiter les enfants ayant des expériences d'enfance défavorables

Des chercheurs du laboratoire d'Oak Ridge ont récemment créé un système d'IA destiné à faciliter le diagnostic et le traitement des personnes qui ont connu des difficultés importantes dans leur enfance. Selon le prochain Web, le système d'IA est conçu pour être « explicable », contrairement à de nombreux modèles d'IA qui sont des boîtes noires, en renvoyant des bribes de données utilisées pour rendre ses décisions.

Le terme «expérience négative de l'enfance» (ACE) fait référence à des événements traumatisants qui surviennent chez des personnes avant l'âge de 18 ans et ils incluent toutes les différentes formes d'abus et de négligence ainsi que l'incarcération, la toxicomanie, la violence domestique envers un parent et la maladie mentale. d'un parent. L'ACES peut avoir des effets à vie sur le développement et le bien-être des personnes et, comme pour de nombreux problèmes médicaux, une détection et un traitement précoces peuvent améliorer les résultats pour les personnes concernées. Le type d'interventions efficaces pour ceux qui ont subi des ECA sont bien connus et bien étudiés, mais les agences de traitement de la santé mentale manquent souvent de ressources pour diagnostiquer une personne et la suivre tout au long du traitement.

Ce système d'IA a été développé par deux chercheurs en médecine du Laboratoire national d'Oak Ridge de l'Université du Tennessee, Nariman Ammar et Arash Shaban-Nejad. Dans une prépublication publiée récemment, publié par JMIR Medical Informatics, l'équipe de recherche a décrit le développement et les tests de son modèle d'IA, conçu pour aider les médecins à diagnostiquer et à traiter les personnes touchées par les ECA.

Le modèle d'IA est destiné à suggérer certaines interventions aux praticiens médicaux, ce qui permet aux praticiens d'aider plus facilement les personnes souffrant d'ECA. Le processus actuel pour obtenir un individu souffrant d'un traitement ACE est long et complexe. Afin de diagnostiquer les personnes touchées par les ECA, les professionnels de la santé doivent recevoir une formation avancée sur le type de questions à poser, puis utiliser les bonnes questions pour mieux comprendre quels événements ont façonné l'enfance d'une personne et comment ces événements ont pu les affecter. Lorsque l'on considère les nombreuses combinaisons possibles de questions et de réponses, il peut être assez difficile pour un prestataire de recommander un type d'intervention spécifique. Au-delà de cela, une fois que les rendez-vous avec les agences médicales ou gouvernementales ont été pris, il y aura une longue file d'employés de la santé et du gouvernement qui s'occuperont d'un patient, et ils ne sont pas garantis d'avoir la bonne quantité de formation ou de compréhension des CEA.

Afin de résoudre ces problèmes, l'équipe de recherche a conçu une application d'IA qui fonctionne comme un chatbot à des fins de support technique. Ceux qui utilisent le système d'IA introduisent des informations sur les patients dans le modèle, qui renvoie une recommandation pour certaines interventions selon un certain calendrier, en fonction de la base de données sur laquelle le modèle a été formé. Le modèle prend en compte les entrées du langage naturel, interprétant des phrases telles que "ma maison n'a pas de chauffage" comme des indicateurs d'adversité potentielle de l'enfance, vérifiant ces déclarations contextuelles par rapport à un guide médical pour le traitement des ECA, recommandant les meilleures actions.

Les réponses aux entrées utilisateur ne sont pas codées en dur, mais plutôt dynamiques, à l'aide d'un système de webhooks qui déclenchent et appellent des points de terminaison de service externes qui génèrent les réponses dynamiques. Le système d'IA décide quelles questions doivent être posées en fonction des réponses données aux questions précédentes, l'objectif final étant de permettre la collecte des informations les plus utiles et les plus pertinentes dans le moins de questions. Comme mentionné précédemment, le système est également explicable, exposant les données qu'il a utilisées pour prendre des décisions concernant les interventions. Par conséquent, le système est traçable et les professionnels de la santé devraient pouvoir suivre la logique utilisée par le système à l'envers.

Le système d'IA développé par les chercheurs du laboratoire d'Oak Ridge est l'une des premières approches basées sur les données permettant aux médecins d'améliorer le diagnostic des personnes atteintes d'ACE. Bien qu'il s'agisse d'une réalisation impressionnante en soi, il est possible que l'approche générale utilisée pour créer le système d'IA et le chatbot soit extrapolée à d'autres domaines et utilisée pour diagnostiquer et traiter d'autres formes de troubles mentaux. Les méthodes utilisées pour exposer les données utilisées pour prendre certaines décisions pourraient également être exploitées pour accroître la transparence et l'explicabilité des systèmes d'apprentissage automatique dans leur ensemble.