‘Explicabil’ AI Creat Pentru A Diagnostica Si Trata Copiii Cu Experiente Adverse Din Copilarie

Cercetatorii de la Laboratorul Oak Ridge au creat recent un sistem AI menit sa faciliteze diagnosticarea si tratamentul persoanelor care au experimentat o copilarie marcată de adversitate. Conform The Next Web, sistemul AI este proiectat pentru a fi “explicabil”, spre deosebire de multe modele AI care sunt cutii negre, prin returnarea fragmentelor de date utilizate pentru a lua decizii.

Termenul “Experiență Adversă Din Copilarie” (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 bine studiate, dar agențiile de sănătate mintală adesea lipsesc resursele pentru a diagnostica o persoană și a o urmări pe parcursul întregului tratament.

Sistemul AI a fost dezvoltat de doi cercetători medicali de la Laboratorul Național Oak Ridge al Universității din Tennessee, Nariman Ammar și Arash Shaban-Nejad. Într-un articol preprint recent publicat prin JMIR Medical Informatics, echipa de cercetare a descris dezvoltarea și testarea modelului lor AI, care este proiectat pentru a ajuta 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 pentru a obține un individ care suferă de ACEs tratament este unul lung și complex. Pentru a diagnostica persoanele afectate de ACEs, profesioniștii medicali trebuie să primească o pregătire avansată în tipul corect de întrebări de pus, apoi să utilizeze întrebările corecte pentru a obține informații despre evenimentele care au modelat copilăria unei persoane și modul în care evenimentele ar fi putut afecta-o. Atunci când se iau în considerare numeroasele 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 din domeniul sănătății și guvernului 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 o anumită programare, pe baza bazei de date pe care modelul a fost antrenat. Modelul ia în considerare intrări de limbaj natural, interpretând fraze precum “casa mea nu are încălzire” ca indicatori ai potențialei adversități din copilărie, verificând aceste declarații contextuale împotriva unui ghid medical pentru tratamentul ACEs, recomandând cele mai bune acțiuni.

Răspunsurile la intrările utilizatorilor nu sunt hardcodate, ci sunt dinamice, utilizând un sistem de webhooks care declanșează și invocă puncte de servicii externe care generează răspunsuri dinamice. Sistemul AI decide care întrebări ar trebui să fie puse în funcție de răspunsurile date la întrebările anterioare, cu scopul final de a permite colectarea informațiilor cele mai utile, 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 înapoi.

Sistemul AI dezvoltat de cercetătorii de la Laboratorul Oak Ridge este una dintre primele abordări bazate pe date pentru a permite practicienilor medicali să diagnostice mai bine persoanele cu ACEs. În timp ce acesta este un realizare impresionantă în sine, este posibil ca abordarea generală utilizată pentru a crea sistemul AI și chatbot-ul să poată fi extrapolată la alte domenii și 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.