'Објашњива' АИ створена да дијагностикује и лечи децу са неповољним искуствима из детињства

Истраживачи из лабораторије Оак Риџ недавно су креирали систем вештачке интелигенције намењен да олакша дијагнозу и лечење појединаца који су искусили значајне невоље у детињству. Према Тхе Нект Вебу, АИ систем је дизајниран да буде „објашњив“, за разлику од многих АИ модела који су црне кутије, враћањем исечака података који се користе за доношење одлука.

Термин „непријатно искуство из детињства“ (АЦЕ) односи се на трауматске догађаје који се дешавају људима пре 18. године и обухватају све различите облике злостављања и занемаривања, као и затварање, злоупотребу супстанци, насиље у породици према родитељима и менталне болести. родитеља. АЦЕС може имати доживотне ефекте на развој и добробит људи, а као и код многих медицинских проблема, раније откривање и лечење може побољшати исходе за укључене људе. Врста ефикасне интервенције за оне који су искусили АЦЕ је добро позната и добро проучена, али агенцијама за лечење менталног здравља често недостају ресурси да дијагностикују особу и проведу је кроз цео ток лечења.

Систем вештачке интелигенције развила су два медицинска истраживача из Националне лабораторије Оак Риџ Универзитета у Тенесију, Нариман Аммар и Араш Шабан-Неџад. Недавно у препринт папиру објављено преко ЈМИР медицинске информатике, истраживачки тим је описао развој и тестирање њиховог АИ модела, који је дизајниран да помогне лекарима у дијагностици и лечењу оних који су погођени АЦЕ.

АИ модел има за циљ да предложи одређене интервенције лекарима, што олакшава практичарима да помогну људима који пате од АЦЕ. Тренутни процес за добијање појединца који пати од АЦЕ третмана је дуг, сложен. Да би дијагностиковали људе који су погођени АЦЕ-ом, медицински радници морају да прођу напредну обуку о правилној врсти питања која треба да поставе, а затим да користе права питања да би стекли увид у то који су догађаји обликовали детињство особе и како су догађаји могли да утичу на њих. Када се разматрају многе различите потенцијалне комбинације питања и одговора, пружаоцу може бити прилично тешко да препоручи одређену врсту интервенције. Осим тога, када се закажу састанци са медицинским или владиним агенцијама, постојаће дугачак ред здравствених и државних радника који се баве пацијентом, и није им гарантовано да ће имати тачну количину обуке или разумевања АЦЕ.

Да би се позабавио овим проблемима, истраживачки тим је дизајнирао АИ апликацију која ради слично као цхатбот за потребе техничке подршке. Они који користе АИ систем уносе информације о пацијенту у модел, који враћа препоруку за одређене интервенције по одређеном распореду, на основу базе података на којој је модел обучен. Модел узима у обзир уносе природног језика, тумачећи фразе попут „моја кућа нема грејање“ као индикаторе потенцијалних невоља у детињству, проверава ове контекстуалне изјаве са медицинским водичем за лечење АЦЕ, препоручујући најбоље акције.

Одговори на корисничке уносе нису чврсто кодирани, већ су динамички, користећи систем веб-хуквица који покрећу и позивају крајње тачке спољне услуге које генеришу динамичке одговоре. АИ систем одлучује која питања треба поставити на основу одговора датих на претходна питања, са крајњим циљем да омогући прикупљање најкориснијих, најрелевантнијих информација у најмање питања. Као што је раније поменуто, систем је такође објашњив, откривајући податке помоћу којих је донео одлуке у вези са интервенцијама. Као резултат, систем је следљив, а медицински радници би требало да буду у могућности да прате логику коју систем користи уназад.

Систем вештачке интелигенције који су развили истраживачи лабораторије Оак Риџ један је од првих приступа заснованих на подацима који омогућава лекарима да боље дијагностикују људе са АЦЕ. Иако је ово само по себи импресивно достигнуће, могуће је да би се општи приступ који се користи за креирање АИ система и цхатбот могао екстраполирати на друге домене и користити за дијагностиковање и лечење других облика менталних болести. Методе које се користе за откривање података коришћених за доношење одређених одлука такође би се могле искористити за повећање транспарентности и објашњења за системе машинског учења у целини.