‘Яскраво пояснювана’ штучна інтелект створена для діагностики та лікування дітей з негативним дитинством

Дослідники з Oak Ridge Laboratory недавно створили систему штучного інтелекту, призначену для полегшення діагностики та лікування осіб, які пережили значну дитячу травму. За даними The Next Web, система штучного інтелекту розроблена як “ясно пояснювана”, на відміну від багатьох моделей штучного інтелекту, які є чорними скриньками, повертаючи фрагменти даних, використаних для прийняття рішень.

Термін “Негативний дитячий досвід” (ACEs) відноситься до травматичних подій, які відбуваються з людьми до 18 років, і включає всі форми зловживання та недбальства, а також ув’язнення, зловживання речовинами, домашнє насильство щодо батьків, і психічні захворювання батьків. ACEs можуть мати довгострокові наслідки для розвитку та благополуччя людей, і, як і у випадку з багатьма медичними питаннями, раннє виявлення та лікування можуть покращити результати для людей, які їх пережили. Тип ефективних втручань для тих, хто пережив ACEs, добре відомий і вивчений, але організації з охорони психічного здоров’я часто не мають ресурсів для діагностики осіб та проведення повного курсу лікування.

Систему штучного інтелекту розробили два медичні дослідники з Університету Теннессі в Oak Ridge National Laboratory, Наріман Аммар і Араш Шабан-Неджад. У попередній статті, недавно опублікованій в JMIR Medical Informatics, дослідницька команда описала розробку та тестування своєї моделі штучного інтелекту, яка призначена для допомоги медичним працівникам у діагностиці та лікуванні осіб, які постраждали від ACEs.

Модель штучного інтелекту призначена для пропонування певних втручань медичним працівникам, що полегшує їм допомогу людям, які страждають від ACEs. Поточний процес лікування осіб, які страждають від ACE, є довгим і складним. Для діагностики осіб, які постраждали від ACEs, медичні працівники повинні пройти спеціальну підготовку щодо правильних питань, а потім використовувати ці питання, щоб отримати уявлення про те, які події сформували дитинство людини та як ці події могли вплинути на неї. При розгляді багатьох потенційних комбінацій питань та відповідей може бути досить складно для медичного працівника рекомендувати певний тип втручання. Окрім цього, після призначення зустрічей з медичними чи урядовими агентствами буде довгий ланцюг працівників охорони здоров’я та урядових працівників, які займаються пацієнтом, і вони не гарантовано мають необхідну підготовку чи розуміння ACEs.

Для вирішення цих питань дослідницька команда розробила додаток штучного інтелекту, який працює подібно до чат-бота для технічної підтримки. Ті, хто використовує систему штучного інтелекту, вводять інформацію про пацієнта в модель, яка повертає рекомендацію щодо певних втручань на певому графіку, засновану на базі даних, на якій була тренована модель. Модель враховує природну мову вводу, інтерпретуючи фрази, такі як “в моєму будинку немає опалення”, як індикатори потенційного дитячого негативного досвіду, перевіряючи ці контекстні вислови проти медичної довідки з лікування ACEs, рекомендуючи найкращі дії.

Відповіді на входи користувача не є зафіксованими, а динамічними, використовуючи систему веб-хуків, які спрацьовують і викликають зовнішні служби, які генерують динамічні відповіді. Система штучного інтелекту визначає, які питання слід задавати, засновані на відповідях, даних на попередні питання, з кінцевою метою – збір найбільш корисної, найбільш актуальної інформації за допомогою мінімальної кількості питань. Як вже згадувалося, система також є пояснюваною, розкриваючи дані, які вона використала для прийняття рішень щодо втручань. В результаті система є відстежуваною, і медичні працівники повинні бути в змозі слідувати логіці, використаній системою, назад.

Система штучного інтелекту, розроблена дослідниками з Oak Ridge Laboratory, є однією з перших даних-орієнтованих підходів до полегшення діагностики осіб з ACEs медичними працівниками. Хоча це вже є вражаючим досягненням, можливо, що загальний підхід, використаний для створення системи штучного інтелекту та чат-бота, міг би бути екстрапольованим на інші області та використаний для діагностики та лікування інших форм психічних захворювань. Методи, використані для розкриття даних, використаних для прийняття певних рішень, також могли бути використані для підвищення прозорості та пояснюваності систем штучного інтелекту в цілому.