AI 'Dapat Dijelaskan' Dibuat Untuk Mendiagnosis dan Mengobati Anak-Anak Dengan Pengalaman Masa Kecil yang Buruk

Para peneliti dari Laboratorium Oak Ridge baru-baru ini menciptakan sistem AI yang dimaksudkan untuk memfasilitasi diagnosis dan perawatan individu yang mengalami kesulitan masa kanak-kanak yang signifikan. Menurut The Next Web, sistem AI dirancang untuk "dapat dijelaskan", tidak seperti banyak model AI yang merupakan kotak hitam, dengan mengembalikan cuplikan data yang digunakan untuk membuat keputusannya.

Istilah "Adverse Childhood Experience" (ACEs) mengacu pada peristiwa traumatis yang terjadi pada orang-orang sebelum usia 18 tahun dan mencakup semua bentuk pelecehan dan penelantaran yang berbeda serta penahanan, penyalahgunaan zat, kekerasan dalam rumah tangga terhadap orang tua, dan penyakit mental. dari orang tua. ACES dapat memiliki efek seumur hidup pada perkembangan dan kesejahteraan manusia, dan seperti banyak masalah medis, deteksi dan pengobatan dini dapat meningkatkan hasil bagi orang yang terlibat. Jenis intervensi yang efektif untuk mereka yang pernah mengalami ACE sudah diketahui dan dipelajari dengan baik, tetapi lembaga perawatan kesehatan mental sering kali kekurangan sumber daya untuk mendiagnosis seseorang dan memeriksanya melalui perawatan lengkap.

Sistem AI dikembangkan oleh dua peneliti medis dari Laboratorium Nasional Oak Ridge Universitas Tennessee, Nariman Ammar dan Arash Shaban-Nejad. Dalam kertas pracetak baru-baru ini dirilis melalui JMIR Medical Informatics, tim peneliti menjelaskan pengembangan dan pengujian model AI mereka, yang dirancang untuk membantu praktisi medis dalam mendiagnosis dan merawat mereka yang terkena ACE.

Model AI dimaksudkan untuk menyarankan intervensi tertentu kepada praktisi medis, sehingga memudahkan praktisi untuk membantu orang yang menderita ACE. Proses saat ini untuk mendapatkan individu yang menderita pengobatan ACE adalah proses yang panjang dan rumit. Untuk mendiagnosis orang yang terkena ACE, profesional medis harus menerima pelatihan lanjutan tentang jenis pertanyaan yang tepat untuk diajukan, kemudian menggunakan pertanyaan yang tepat untuk mendapatkan wawasan tentang peristiwa apa yang membentuk masa kecil seseorang dan bagaimana peristiwa tersebut dapat memengaruhi mereka. Saat mempertimbangkan berbagai kemungkinan kombinasi pertanyaan dan jawaban, akan sangat sulit bagi penyedia layanan untuk merekomendasikan jenis intervensi tertentu. Selain itu, setelah janji temu dengan lembaga medis atau pemerintah dibuat, akan ada antrean panjang petugas layanan kesehatan dan pemerintah yang menangani pasien, dan mereka tidak dijamin mendapatkan jumlah pelatihan atau pemahaman yang benar tentang ACE.

Untuk mengatasi masalah ini, tim peneliti merancang aplikasi AI yang bekerja mirip dengan chatbot untuk tujuan dukungan teknis. Mereka yang menggunakan sistem AI memasukkan informasi pasien ke dalam model, yang mengembalikan rekomendasi untuk intervensi tertentu pada jadwal tertentu, berdasarkan database tempat model dilatih. Model tersebut mempertimbangkan input bahasa alami, menafsirkan frasa seperti "rumah saya tidak memiliki pemanas" sebagai indikator potensi kesulitan masa kanak-kanak, membandingkan pernyataan kontekstual ini dengan panduan medis untuk pengobatan ACE, merekomendasikan tindakan terbaik.

Respons terhadap entri pengguna tidak di-hardcode, melainkan dinamis, menggunakan sistem webhook yang memicu dan memanggil titik akhir layanan eksternal yang menghasilkan respons dinamis. Sistem AI memutuskan pertanyaan mana yang harus ditanyakan berdasarkan tanggapan yang diberikan pada pertanyaan sebelumnya, dengan tujuan akhir memungkinkan pengumpulan informasi yang paling berguna dan paling relevan dalam pertanyaan yang paling sedikit. Seperti disebutkan sebelumnya, sistem ini juga dapat dijelaskan, memaparkan data yang digunakan untuk mengambil keputusan terkait intervensi. Akibatnya, sistem dapat dilacak, dan profesional medis harus dapat mengikuti logika yang digunakan oleh sistem secara mundur.

Sistem AI yang dikembangkan oleh para peneliti di Laboratorium Oak Ridge adalah salah satu pendekatan berbasis data pertama yang memungkinkan praktisi medis mendiagnosis penderita ACE dengan lebih baik. Meskipun hal ini merupakan pencapaian yang mengesankan, ada kemungkinan bahwa pendekatan umum yang digunakan untuk membuat sistem AI dan chatbot dapat diekstrapolasi ke domain lain dan digunakan untuk mendiagnosis dan mengobati bentuk penyakit mental lainnya. Metode yang digunakan untuk mengekspos data yang digunakan untuk mengambil keputusan tertentu juga dapat dimanfaatkan untuk meningkatkan transparansi dan kemampuan menjelaskan sistem pembelajaran mesin secara keseluruhan.