‘AI yang Dapat Dijelaskan’ Dibuat untuk Mendiagnosa dan Mengobati Anak-anak dengan Pengalaman Masa Kecil yang Tidak Menguntungkan

Peneliti dari Oak Ridge Laboratory baru-baru ini menciptakan sistem AI yang bertujuan untuk memfasilitasi diagnosis dan pengobatan individu yang telah mengalami kesulitan masa kecil yang signifikan. Menurut The Next Web, sistem AI ini dirancang untuk “dapat dijelaskan”, tidak seperti banyak model AI yang merupakan kotak hitam, dengan mengembalikan potongan-potongan data yang digunakan untuk membuat keputusan.

Istilah “Pengalaman Masa Kecil yang Tidak Menguntungkan” (ACEs) mengacu pada peristiwa traumatis yang terjadi pada seseorang sebelum usia 18 tahun dan termasuk semua bentuk pelecehan dan pengabaian serta penahanan, penyalahgunaan zat, kekerasan dalam rumah tangga terhadap orang tua, dan penyakit mental orang tua. ACEs dapat memiliki efek seumur hidup pada perkembangan dan kesejahteraan seseorang, dan seperti banyak masalah kesehatan lainnya, deteksi dan pengobatan dini dapat meningkatkan hasil untuk orang yang terlibat. Jenis intervensi yang efektif untuk mereka yang telah mengalami ACEs sudah diketahui dan dipelajari dengan baik, tetapi lembaga kesehatan mental seringkali kekurangan sumber daya untuk mendiagnosa seseorang dan melihatnya melalui seluruh proses pengobatan.

Sistem AI ini dikembangkan oleh dua peneliti medis dari Oak Ridge National Laboratory, Nariman Ammar dan Arash Shaban-Nejad. Dalam sebuah makalah pra-cetak yang baru-baru ini diterbitkan melalui JMIR Medical Informatics, tim peneliti menjelaskan pengembangan dan pengujian model AI mereka, yang dirancang untuk membantu praktisi medis dalam mendiagnosa dan mengobati mereka yang terkena ACEs.

Model AI ini dimaksudkan untuk menyarankan intervensi tertentu kepada praktisi medis, membuatnya lebih mudah bagi praktisi untuk membantu orang yang menderita ACEs. Proses saat ini untuk mendapatkan pengobatan bagi seseorang yang menderita ACE adalah proses yang panjang dan kompleks. Untuk mendiagnosa orang yang terkena ACEs, profesional medis harus menerima pelatihan lanjutan tentang jenis pertanyaan yang tepat untuk ditanyakan, kemudian menggunakan pertanyaan yang tepat untuk memperoleh wawasan tentang peristiwa yang membentuk masa kecil seseorang dan bagaimana peristiwa tersebut mungkin telah mempengaruhinya. Ketika mempertimbangkan banyak kombinasi pertanyaan dan jawaban yang mungkin, bisa cukup sulit bagi seorang penyedia untuk merekomendasikan intervensi tertentu. Di luar itu, setelah janji temu dengan lembaga medis atau pemerintah telah dibuat, akan ada banyak pekerja kesehatan dan pemerintah yang menangani pasien, dan mereka tidak dijamin memiliki pelatihan yang tepat atau pemahaman tentang ACEs.

Untuk mengatasi masalah ini, tim peneliti merancang aplikasi AI yang bekerja seperti chatbot untuk tujuan dukungan teknis. Mereka yang menggunakan sistem AI ini memasukkan informasi pasien ke dalam model, yang kemudian mengembalikan rekomendasi untuk intervensi tertentu pada jadwal tertentu, berdasarkan database yang digunakan untuk melatih model. Model ini mengambil input bahasa alami, menafsirkan frasa seperti “rumah saya tidak memiliki pemanas” sebagai indikator potensial pengalaman masa kecil yang tidak menguntungkan, memeriksa pernyataan kontekstual ini terhadap panduan medis untuk pengobatan ACEs, merekomendasikan tindakan terbaik.

Respon terhadap entri pengguna tidak diprogram sebelumnya, melainkan dinamis, menggunakan sistem webhook yang memicu dan memanggil titik akhir layanan eksternal yang menghasilkan respon dinamis. Sistem AI ini memutuskan pertanyaan mana yang harus diajukan berdasarkan respon yang diberikan sebelumnya, dengan tujuan akhir untuk memungkinkan pengumpulan informasi yang paling berguna dan relevan dalam pertanyaan yang paling sedikit. Seperti yang disebutkan sebelumnya, sistem ini juga dapat dijelaskan, mengungkapkan data yang digunakan untuk membuat keputusan tentang intervensi. Sebagai hasilnya, sistem ini dapat dilacak, dan profesional medis seharusnya dapat mengikuti logika yang digunakan oleh sistem ini ke belakang.

Sistem AI yang dikembangkan oleh peneliti Oak Ridge Laboratory ini adalah salah satu pendekatan berbasis data pertama untuk memungkinkan praktisi medis mendiagnosa orang dengan ACEs. Sementara ini adalah prestasi yang mengesankan itu sendiri, memungkinkan bahwa pendekatan umum yang digunakan untuk membuat sistem AI dan chatbot ini bisa diperluas ke domain lain dan digunakan untuk mendiagnosa dan mengobati bentuk lain dari penyakit mental. Metode yang digunakan untuk mengungkapkan data yang digunakan untuk membuat keputusan tertentu juga bisa digunakan untuk meningkatkan transparansi dan keterjelasan untuk sistem pembelajaran mesin secara keseluruhan.