‘อธิบายได้’ AI ที่สร้างขึ้นเพื่อวินิจฉัยและรักษาเด็กที่มีประสบการณ์ในชีวิตที่ไม่ดี

นักวิจัยจาก Oak Ridge Laboratory ได้สร้างระบบ AI ที่มีจุดมุ่งหมายเพื่อช่วยในการวินิจฉัยและรักษาบุคคลที่มีประสบการณ์ในชีวิตที่ไม่ดีในสมัยเด็ก ตามรายงานจาก The Next Web ระบบ AI นี้ได้รับการออกแบบให้เป็น “อธิบายได้” ไม่เหมือนกับโมเดล AI อื่นๆ ที่เป็น “กล่องดำ” โดยการคืนค่าข้อมูลที่ใช้ในการตัดสินใจ

คำว่า “ประสบการณ์ในชีวิตที่ไม่ดี” (ACEs) หมายถึงเหตุการณ์ที่เกิดขึ้นกับบุคคลก่อนอายุ 18 ปี และรวมถึงการละเมิดและละเลยทุกประเภท เช่น การถูกจับกุม การใช้สารเสพติด การทำร้ายร่างกายต่อผู้ปกครอง และการเจ็บป่วยทางจิตของผู้ปกครอง ประสบการณ์ในชีวิตที่ไม่ดีสามารถมีผลกระทบต่อพัฒนาการและความเป็นอยู่ที่ดีของบุคคลตลอดชีวิต และเช่นเดียวกับปัญหาสุขภาพอื่นๆ การตรวจพบและรักษาเร็วๆ นี้สามารถช่วยให้ผลลัพธ์ดีขึ้นสำหรับบุคคลที่เกี่ยวข้อง วิธีการรักษาที่มีประสิทธิภาพสำหรับบุคคลที่มีประสบการณ์ในชีวิตที่ไม่ดีนั้นเป็นที่ทราบและศึกษาอย่างดี แต่หน่วยงานด้านสุขภาพจิตมักขาดทรัพยากรในการวินิจฉัยและรักษาบุคคลเหล่านั้นอย่างเต็มที่

ระบบ AI นี้ได้รับการพัฒนาโดยนักวิจัยทางการแพทย์สองคนจาก Oak Ridge National Laboratory ของ University of Tennessee คือ Nariman Ammar และ Arash Shaban-Nejad ในเอกสารวิจัยที่เผยแพร่ล่าสุด ผ่าน JMIR Medical Informatics ทีมวิจัยได้อธิบายถึงการพัฒนาและทดสอบโมเดล AI ของตนซึ่งได้รับการออกแบบเพื่อช่วยเหลือผู้ปฏิบัติงานทางการแพทย์ในการวินิจฉัยและรักษาบุคคลที่ได้รับผลกระทบจาก ACEs

โมเดล AI นี้มีจุดมุ่งหมายเพื่อแนะนำการแทรกแซงให้กับผู้ปฏิบัติงานทางการแพทย์ ทำให้ผู้ปฏิบัติงานสามารถช่วยเหลือบุคคลที่มีประสบการณ์ในชีวิตที่ไม่ดีได้ง่ายขึ้น ขั้นตอนปัจจุบันในการให้การรักษากับบุคคลที่มีประสบการณ์ในชีวิตที่ไม่ดีนั้นยาวและซับซ้อน เพื่อวินิจฉัยบุคคลที่มีประสบการณ์ในชีวิตที่ไม่ดี ผู้ปฏิบัติงานทางการแพทย์ต้องได้รับการฝึกอบรมขั้นสูงเกี่ยวกับประเภทคำถามที่ต้องถาม จากนั้นใช้คำถามเหล่านั้นเพื่อให้ได้ข้อมูลเชิงลึกเกี่ยวกับเหตุการณ์ที่เกิดขึ้นในชีวิตของบุคคลและผลกระทบที่อาจเกิดขึ้นต่อบุคคลนั้น เมื่อพิจารณาจากการรวมกันของคำถามและคำตอบที่เป็นไปได้หลายร้อยคำถาม ผู้ให้บริการอาจพบว่ามันยากที่จะแนะนำการแทรกแซงเฉพาะอย่าง นอกจากนี้ หลังจากที่ได้นัดหมายกับหน่วยงานทางการแพทย์หรือรัฐบาลแล้ว จะมีเส้นยาวของพนักงานด้านสุขภาพและรัฐบาลที่ต้องจัดการกับผู้ป่วย และไม่ได้รับการรับประกันว่าจะมีการฝึกอบรมหรือความเข้าใจเกี่ยวกับ ACEs ที่เหมาะสม

เพื่อแก้ไขปัญหานี้ ทีมวิจัยได้ออกแบบแอปพลิเคชัน AI ที่ทำงานคล้ายกับแชทบอทสำหรับการสนับสนุนเทคนิค ผู้ใช้ระบบ AI นี้จะป้อนข้อมูลผู้ป่วยเข้าไปในระบบ ซึ่งจะส่งกลับคำแนะนำสำหรับการแทรกแซงตามตารางที่กำหนดโดยฐานข้อมูลที่ระบบได้รับการฝึกอบรม ระบบจะพิจารณาการป้อนข้อมูลภาษา自然 เช่น “บ้านของฉันไม่มีการให้ความร้อน” เป็นตัวบ่งชี้ของการละเมิดหรือละเลยในชีวิตที่ไม่ดี และตรวจสอบคำสั่งเหล่านั้นต่อคู่มือทางการแพทย์สำหรับการรักษา ACEs โดยแนะนำการดำเนินการที่ดีที่สุด

การตอบสนองต่อการป้อนข้อมูลของผู้ใช้ไม่ได้ถูกกำหนดไว้ล่วงหน้า แต่จะใช้ระบบเว็บฮุกที่กระตุ้นและเรียกใช้จุดสิ้นสุดบริการภายนอกที่สร้างการตอบสนองที่มีประสิทธิภาพ ระบบ AI ตัดสินใจว่าจะถามคำถามใดโดยอาศัยคำตอบที่ให้ไว้ก่อนหน้านี้ โดยมีเป้าหมายสูงสุดในการรวบรวมข้อมูลที่มีประโยชน์และเกี่ยวข้องมากที่สุดในคำถามที่น้อยที่สุด ระบบ AI นี้ยังสามารถอธิบายได้ โดยการเปิดเผยข้อมูลที่ใช้ในการตัดสินใจเกี่ยวกับการแทรกแซง ทำให้ระบบสามารถติดตามและตรวจสอบได้ และผู้ปฏิบัติงานทางการแพทย์สามารถติดตามเหตุผลที่ใช้โดยระบบได้

ระบบ AI ที่พัฒนาโดยนักวิจัยจาก Oak Ridge Laboratory เป็นหนึ่งในแนวทางแรกๆ ที่ใช้ข้อมูลในการช่วยให้ผู้ปฏิบัติงานทางการแพทย์สามารถวินิจฉัยบุคคลที่มีประสบการณ์ในชีวิตที่ไม่ดีได้ดีขึ้น แม้ว่านี่จะเป็นความสำเร็จที่น่าประทับใจ แต่ก็เป็นไปได้ที่แนวทางทั่วไปที่ใช้ในการสร้างระบบ AI และแชทบอทนี้สามารถนำไปใช้กับโดเมนอื่นๆ และใช้ในการวินิจฉัยและรักษาโรคจิตอื่นๆ ได้ วิธีการที่ใช้ในการเปิดเผยข้อมูลที่ใช้ในการตัดสินใจสามารถนำไปใช้เพื่อเพิ่มความโปร่งใสและความสามารถในการอธิบายได้สำหรับระบบการเรียนรู้ของเครื่องโดยรวม