‘स्पष्ट’ एआई बनाया गया है जो बच्चों में अवांछनीय बचपन के अनुभवों का निदान और उपचार करने में मदद कर सकता है

ओक रिज लेबोरेटरी के शोधकर्ताओं ने हाल ही में एक एआई सिस्टम बनाया है जो महत्वपूर्ण बचपन की कठिनाइयों का सामना करने वाले व्यक्तियों के निदान और उपचार में सहायता प्रदान करने के लिए डिज़ाइन किया गया है। द नेक्स्ट वेब के अनुसार, एआई सिस्टम “स्पष्ट” होने के लिए डिज़ाइन किया गया है, जो कई एआई मॉडल्स के विपरीत हैं जो ब्लैक बॉक्स हैं, जो अपने निर्णयों के लिए उपयोग किए जाने वाले डेटा के टुकड़ों को वापस करके हैं।

“अवांछनीय बचपन के अनुभव” (ACEs) शब्द उन आघातक घटनाओं को संदर्भित करता है जो 18 वर्ष से पहले लोगों के साथ होती हैं और इसमें सभी प्रकार के दुर्व्यवहार और उपेक्षा के साथ-साथ कारावास, मादक द्रव्यों का सेवन, माता-पिता के प्रति घरेलू हिंसा, और माता-पिता की मानसिक बीमारी शामिल हैं। ACEs लोगों के विकास और कल्याण पर जीवन भर के प्रभाव डाल सकते हैं, और जैसा कि कई चिकित्सा मुद्दों के साथ होता है, पहले पता लगाने और उपचार से बेहतर परिणाम प्राप्त किए जा सकते हैं। जो लोग ACEs का अनुभव करते हैं उनके लिए प्रभावी हस्तक्षेप के प्रकार अच्छी तरह से ज्ञात और अध्ययन किए गए हैं, लेकिन मानसिक स्वास्थ्य उपचार एजेंसियों में अक्सर व्यक्ति का निदान करने और पूरे उपचार के दौरान उन्हें देखने के लिए संसाधनों की कमी होती है।

एआई सिस्टम को टेनेसी विश्वविद्यालय के ओक रिज नेशनल लेबोरेटरी के दो चिकित्सा शोधकर्ताओं, नारिमन अम्मार और अराश शाबान-नेजाद द्वारा विकसित किया गया था। एक प्रीप्रिंट पेपर में जो हाल ही में जेएमआईआर मेडिकल इंफॉर्मेटिक्स के माध्यम से जारी किया गया था, शोध दल ने अपने एआई मॉडल के विकास और परीक्षण का वर्णन किया, जो चिकित्सा पेशेवरों को ACEs से प्रभावित लोगों के निदान और उपचार में मदद करने के लिए डिज़ाइन किया गया है।

एआई मॉडल का उद्देश्य चिकित्सा पेशेवरों को कertain हस्तक्षेपों का सुझाव देना है, जिससे ACEs से पीड़ित लोगों की मदद करना पेशेवरों के लिए आसान हो जाता है। ACEs से प्रभावित व्यक्ति के लिए वर्तमान उपचार प्रक्रिया लंबी और जटिल है। ACEs से प्रभावित लोगों का निदान करने के लिए, चिकित्सा पेशेवरों को सही प्रकार के प्रश्न पूछने के लिए उन्नत प्रशिक्षण प्राप्त करना होगा, फिर सही प्रश्नों का उपयोग करके यह जानने के लिए कि किस प्रकार की घटनाएं एक व्यक्ति के बचपन को आकार दे सकती हैं और उन्हें कैसे प्रभावित कर सकती हैं। जब कई संभावित प्रश्नों और उत्तरों के संयोजनों पर विचार किया जाता है, तो एक विशिष्ट हस्तक्षेप की सिफारिश करना एक प्रदाता के लिए काफी मुश्किल हो सकता है। इसके अलावा, एक बार जब चिकित्सा या सरकारी एजेंसियों के साथ नियुक्तियां की जाती हैं, तो एक रोगी के साथ निपटने वाले स्वास्थ्य सेवा और सरकारी कर्मचारियों की एक लंबी कतार होगी, और उन्हें ACEs के बारे में सही मात्रा में प्रशिक्षण या समझ होने की गारंटी नहीं है।

इन मुद्दों से निपटने के लिए, शोध दल ने एक एआई एप्लिकेशन डिज़ाइन किया जो तकनीकी सहायता के लिए एक चैटबॉट के समान काम करता है। जो लोग एआई सिस्टम का उपयोग करते हैं उन्हें रोगी की जानकारी मॉडल में डालनी होती है, जो एक निश्चित अनुसूची पर कुछ हस्तक्षेपों की सिफारिश करता है, जो मॉडल को प्रशिक्षित करने वाले डेटाबेस पर आधारित होता है। मॉडल प्राकृतिक भाषा इनपुट को ध्यान में रखता है, जैसे कि “मेरे घर में कोई हीटिंग नहीं है” जैसे वाक्यों को संभावित बचपन की कठिनाइयों के संकेतक के रूप में व्याख्या करता है, जो ACEs के उपचार के लिए एक चिकित्सा मार्गदर्शिका के खिलाफ इन संदर्भात्मक बयानों की जांच करता है, और सबसे अच्छे कार्यों की सिफारिश करता है।

उपयोगकर्ता प्रविष्टियों के प्रतिक्रियाएं हार्डकोडेड नहीं हैं, बल्कि वे गतिशील हैं, जो एक वेबहुक्स प्रणाली का उपयोग करते हैं जो बाहरी सेवा एंडपॉइंट्स को ट्रिगर और इनवोक करते हैं जो गतिशील प्रतिक्रियाएं उत्पन्न करते हैं। एआई सिस्टम पिछले प्रश्नों के उत्तरों के आधार पर प्रश्नों का निर्धारण करता है, जिसका अंतिम लक्ष्य सबसे उपयोगी और सबसे प्रासंगिक जानकारी को कम से कम प्रश्नों में इकट्ठा करना है। जैसा कि पहले उल्लेख किया गया है, सिस्टम स्पष्ट होने के साथ-साथ ट्रेसेबल भी है, और चिकित्सा पेशेवरों को सिस्टम द्वारा उपयोग किए गए तर्क को पीछे की ओर अनुसरण करने में सक्षम होना चाहिए।

ओक रिज लेबोरेटरी के शोधकर्ताओं द्वारा विकसित एआई सिस्टम ACEs वाले लोगों के निदान और उपचार में चिकित्सा पेशेवरों को सक्षम बनाने के लिए पहले डेटा-संचालित दृष्टिकोणों में से एक है। जबकि यह एक प्रभावशाली उपलब्धि है itself, यह संभव है कि एआई सिस्टम और चैटबॉट बनाने के लिए उपयोग की जाने वाली सामान्य दृष्टि को अन्य क्षेत्रों में निकाला जा सकता है और अन्य मानसिक बीमारियों का निदान और उपचार किया जा सकता है। निर्णयों के लिए उपयोग किए जाने वाले डेटा को उजागर करने के लिए उपयोग की जाने वाली विधियों को मशीन लर्निंग सिस्टम के लिए पारदर्शिता और व्याख्या को बढ़ाने के लिए भी उपयोग किया जा सकता है।