어린이의 부정적인 아동기 경험 진단 및 치료를 위한 설명 가능한 AI 개발

오크 리지 연구소의 연구자들은 최근 아동기 어려움을 경험한 개인의 진단과 치료를 용이하게 하기 위한 AI 시스템을 개발했습니다. The Next Web에 따르면, 이 AI 시스템은 많은 AI 모델이 블랙박스와 같은 반면, 결정에 사용된 데이터의 일부를 반환함으로써 “설명 가능”하도록 설계되었습니다.

“부정적인 아동기 경험”이라는 용어는 18세 이전에 발생하는 트라우마적인 사건을指します. 이는 모든 종류의虐待와 방임,以及 부모의 투옥, 약물 남용, 가정 폭력, 부모의 정신 질환 등을 포함합니다. 부정적인 아동기 경험은 사람들의 발달과幸福에 평생 영향을 미칠 수 있으며, 많은 의료 문제와 마찬가지로, 조기 발견과 치료는 관련된 사람들의 결과를 개선할 수 있습니다. 부정적인 아동기 경험을 경험한 사람들을 위한 효과적인 중재는 잘 알려져 있으며 연구되어 왔습니다. 그러나 정신 건강 치료 기관은 종종 개인을 진단하고 전체 치료 과정에서 지원할 수 있는 자원을 缺하고 있습니다.

AI 시스템은 테네시 대학교의 오크 리지 국립 연구소의 두 명의 의료 연구자인 나리만 아마르와 아라시 샤힌-네자드에 의해 개발되었습니다. 최근에 JMIR Medical Informatics를 통해 발표된 사전 인쇄 논문에서, 연구 팀은 부정적인 아동기 경험에 영향을 받은 사람들을 진단하고 치료하는 것을 지원하기 위한 AI 모델의 개발과 테스트에 대해 설명했습니다.

AI 모델은 의료 전문가들에게 특정 중재를 제안하도록 설계되었습니다. 이는 의료 전문가들이 부정적인 아동기 경험으로 고통받는 사람들을 지원하기更加 쉽게 해줍니다. 현재 부정적인 아동기 경험으로 고통받는 개인을 치료하기 위한 과정은 길고 복잡합니다. 의료 전문가들은 먼저 부정적인 아동기 경험에 영향을 받은 사람들을 진단하기 위한 적절한 질문 유형에 대한 고급 훈련을 받아야 하며, затем 올바른 질문을 사용하여 개인의 아동기와 그 사건이 개인에게 미친 영향에 대한 통찰력을 얻어야 합니다. 여러 가지 가능한 질문과 답변의 조합을 고려할 때, 제공자는 특정 유형의 중재를 추천하기가 매우 어려울 수 있습니다. 또한, 의료 또는 정부 기관과의 약속이 정해지면, 환자는 많은 의료 및 정부 직원과 대면하게 되며, 이들은 모두 부정적인 아동기 경험에 대한 적절한 훈련이나 이해를 갖고 있지 않을 수 있습니다.

이러한 문제를 해결하기 위해, 연구 팀은 기술 지원聊天봇과 유사하게 작동하는 AI 응용 프로그램을 설계했습니다. 이 시스템을 사용하는 사람들은 환자 정보를 모델에 입력하고, 모델은 데이터베이스에서 훈련된 정보를 기반으로 특정 중재를 일정에 따라 추천합니다. 모델은 자연어 입력을 고려하며, “제 집에는 난방이 없습니다”와 같은 구절을 잠재적인 아동기 어려움의 지표로 해석하고, 이를 부정적인 아동기 경험의 치료를 위한 의료 가이드와 비교하여 최선의 조치를 추천합니다.

사용자 입력에 대한 응답은 하드코딩되지 않으며, 외부 서비스 엔드포인트를 호출하여 동적으로 생성되는 웹훅 시스템을 사용합니다. AI 시스템은 이전 질문에 대한 응답에 따라 다음 질문을 결정하며, 최종 목표는 가능한 한 적은 질문으로 가장 유용하고 관련된 정보를 수집하는 것입니다. 이전에 언급했듯이, 시스템은 또한 설명 가능하며, 결정에 사용된 데이터를 노출합니다. 따라서 시스템은 추적 가능하며, 의료 전문가들은 시스템이 사용한 논리를 역으로 따라갈 수 있어야 합니다.

오크 리지 연구소 연구자들이 개발한 AI 시스템은 의료 전문가들이 부정적인 아동기 경험을 가진 사람들을 더 잘 진단하도록 허용하는 최초의 데이터 주도 접근 방식 중 하나입니다. 이것은 자체적으로令人印상적인 성과이지만, AI 시스템과 채팅봇을 개발하기 위한 일반적인 접근 방식은 다른 영역으로 확장되어 다른 유형의 정신 건강 문제를 진단하고 치료하는 데 사용될 수 있습니다. 결정에 사용된 데이터를 노출하는 데 사용된 방법은 또한 기계 학습 시스템 전체에 대한 투명성과 설명 가능성을 증가시키기 위해 활용될 수 있습니다. 부정적인 아동기 경험을 진단하고 치료하는 데 사용된 AI 시스템과 채팅봇을 개발하는 일반적인 접근 방식은 다른 영역으로 확장되어 다른 유형의 정신 건강 문제를 진단하고 치료하는 데 사용될 수 있습니다. 결정에 사용된 데이터를 노출하는 데 사용된 방법은 또한 기계 학습 시스템 전체에 대한 투명성과 설명 가능성을 증가시키기 위해 활용될 수 있습니다. to create the AI system and chatbot could be extrapolated out to other domains and used to diagnose and treat other forms of mental illness. The methods used to expose the data used to come to certain decisions could also be leveraged to increase transparency and explainability for machine learning systems as a whole.