‘Explicabil’ AI Creat Pentru a Diagnostica și Trata Copiilor Cu Experiențe Adverse În Copilărie

Cercetătorii de la Oak Ridge Laboratory au creat recent un sistem AI destinat să faciliteze diagnosticarea și tratamentul persoanelor care au experimentat o copilărie marcată de adversități. Conform The Next Web, sistemul AI este proiectat să fie „explicabil”, spre deosebire de multe modele AI care sunt cutii negre, prin returnarea unor fragmente din datele utilizate pentru a lua decizii.

Termenul „Experiență Adversă În Copilărie” (ACEs) se referă la evenimente traumatice care au loc la persoane sub vârsta de 18 ani și includ toate formele de abuz și neglijare, precum și încarcerarea, abuzul de substanțe, violența domestică împotriva unui părinte și boala mintală a unui părinte. ACEs pot avea efecte pe tot parcursul vieții asupra dezvoltării și bunăstării persoanelor, și, ca în cazul multor probleme medicale, detectarea și tratamentul precoce pot îmbunătăți rezultatele pentru persoanele implicate. Tipurile de intervenții eficiente pentru cei care au experimentat ACEs sunt bine cunoscute și studiate, dar agențiile de sănătate mintală adesea lipsesc de resurse pentru a diagnostica o persoană și a o urmări pe tot parcursul tratamentului.

Sistemul AI a fost dezvoltat de doi cercetători medicali de la Universitatea din Tennessee, Nariman Ammar și Arash Shaban-Nejad, de la Oak Ridge National Laboratory. Într-un articol preprint recent publicat prin JMIR Medical Informatics, echipa de cercetare a descris dezvoltarea și testarea modelului lor AI, care este proiectat să ajute practicienii medicali în diagnosticarea și tratamentul persoanelor afectate de ACEs.

Modelul AI este destinat să sugereze anumite intervenții practicienilor medicali, făcându-le mai ușor să ajute persoanele care suferă de ACEs. Procesul actual de obținere a unui tratament pentru o persoană care suferă de ACEs este unul lung și complex. Pentru a diagnostica persoanele afectate de ACEs, profesioniștii medicali trebuie să primească o pregătire avansată în ceea ce privește tipul de întrebări pe care trebuie să le pună, apoi să folosească întrebările potrivite pentru a obține informații despre evenimentele care au modelat copilăria unei persoane și despre modul în care evenimentele ar fi putut afecta acea persoană. Având în vedere numărul mare de combinații posibile de întrebări și răspunsuri, poate fi destul de dificil pentru un furnizor să recomande un anumit tip de intervenție. Dincolo de acest lucru, odată ce s-au făcut programări cu agenții medicale sau guvernamentale, va exista o lungă linie de lucrători medicali și guvernamentali care se ocupă de un pacient, și aceștia nu sunt garantat să aibă cantitatea corectă de pregătire sau înțelegere a ACEs.

Pentru a aborda aceste probleme, echipa de cercetare a proiectat o aplicație AI care funcționează similar cu un chatbot pentru scopuri de suport tehnic. Cei care utilizează sistemul AI introduc informații despre pacient în model, care returnează o recomandare pentru anumite intervenții pe un anumit program, pe baza bazei de date pe care a fost antrenat modelul. Modelul ia în considerare intrările de limbaj natural, interpretând fraze precum „casa mea nu are încălzire” ca indicatori ai potențialei adversități în copilărie, verificând aceste declarații contextuale împotriva unui ghid medical pentru tratamentul ACEs, recomandând acțiunile cele mai bune.

Răspunsurile la intrările utilizatorilor nu sunt hardcodate, ci sunt dinamice, utilizând un sistem de webhooks care declanșează și invocă puncte de sfârșit de servicii externe care generează răspunsuri dinamice. Sistemul AI decide care întrebări ar trebui să fie puse pe baza răspunsurilor date la întrebările anterioare, cu scopul final de a permite colectarea informațiilor cele mai utile și mai relevante în cel mai mic număr de întrebări. Așa cum s-a menționat anterior, sistemul este, de asemenea, explicabil, expunând datele pe care le-a utilizat pentru a lua decizii cu privire la intervenții. Ca rezultat, sistemul este trasabil, și profesioniștii medicali ar trebui să poată urmări logica utilizată de sistem în sens invers.

Sistemul AI dezvoltat de cercetătorii de la Oak Ridge Laboratory este una dintre primele abordări bazate pe date pentru a permite practicienilor medicali să diagnosticeze mai bine persoanele cu ACEs. Deși acesta este un realizare impresionantă în sine, este posibil ca abordarea generală utilizată pentru a crea sistemul AI și chatbotul să poată fi extrapolată în alte domenii și să fie utilizată pentru a diagnostica și trata alte forme de boală mintală. Metodele utilizate pentru a expune datele utilizate pentru a lua anumite decizii ar putea fi, de asemenea, utilizate pentru a crește transparența și explicabilitatea sistemelor de învățare automată în general.