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

Дослідники з лабораторії Ок-Рідж недавно створили систему штучної інтелектуальної системи, призначену для полегшення діагностики та лікування осіб, які пережили значну дитячу травму. За даними The Next Web, система штучної інтелектуальної системи розроблена як “ясно пояснювана”, на відміну від багатьох моделей штучної інтелектуальної системи, 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 включають усі різні форми насильства та зловживання, а також ув’язнення, зловживання психоактивними речовинами, домашнє насильство щодо батьків, а також 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 осіб, які постраждали. Тип ефективних втручань для тих, хто пережив ACEs, добре відомий і вивчений, але організації психічного здоров’я часто не мають ресурсів для діагностики особи та проведення повного курсу лікування.

Систему штучної інтелектуальної системи розробили два медичні дослідники з Університету Теннессі лабораторії Ок-Рідж, Наріман Аммар і Араш Шабан-Неджад. У попередньому друку статті, недавно опублікованій у JMIR Medical Informatics, команда дослідників описала розробку та тестування своєї моделі штучної інтелектуальної системи, призначеної для допомоги медичним працівникам у діагностиці та лікуванні осіб, які постраждали від ACEs.

Модель штучної інтелектуальної системи призначена для пропозиції певних втручань медичним працівникам, полегшуючи їм допомогу людям, які страждають від ACEs. Поточний процес отримання лікування для осіб, які страждають від ACEs, є довгим і складним. Для діагностики осіб, які постраждали від ACEs, медичні працівники повинні пройти спеціальну підготовку щодо правильного типу питань, а потім використовувати правильні питання для отримання інформації про те, які події сформували дитинство людини та як ці події можуть вплинути на неї. При розгляді багатьох потенційних комбінацій питань та відповідей може бути досить складно для постачальника рекомендувати певний тип втручання. Окрім цього, після призначення зустрічей з медичними або урядовими агентствами, буде довга черга працівників охорони здоров’я та урядових працівників, які займаються пацієнтом, і вони не гарантовано мають правильну кількість підготовки або розуміння ACEs.

Для вирішення цих питань команда дослідників розробила застосунок штучної інтелектуальної системи, який працює подібно до чат-бота для технічної підтримки. Ті, хто використовує систему штучної інтелектуальної системи, вводять інформацію про пацієнта в модель, яка повертає рекомендацію щодо певних втручань на певному графіку, заснованому на базі даних, на якій була тренована модель. Модель бере до уваги природну мову введення, інтерпретуючи фрази типу “в моєму будинку немає опалення” як індикатори потенційного дитячого негативного досвіду, перевіряючи ці контекстні заяви щодо медичної керівництва з лікування ACEs, рекомендуючи найкращі дії.

Відповіді на введення користувача не є жорстко закодованими, а є динамічними, використовуючи систему вебхуків, які спрацьовують і викликають зовнішні сервісні кінцеві точки, які генерують динамічні відповіді. Система штучної інтелектуальної системи визначає, які питання слід задавати, залежно від відповідей, даних на попередні питання, з кінцевою метою – збір найбільш корисної, найбільш актуальної інформації за найменшу кількість питань. Як згадувалося раніше, система також є ясно пояснюваною, розкриваючи дані, які вона використала для прийняття рішень щодо втручань. В результаті система є відстежуваною, і медичні працівники повинні бути能够 слідувати логіці, використаній системою у зворотному порядку.

Система штучної інтелектуальної системи, розроблена дослідниками лабораторії Ок-Рідж, є однією з перших даних-орієнтованих підходів до полегшення діагностики осіб з ACEs медичними працівниками. Хоча це вже є видатним досягненням, можливо, що загальний підхід, використаний для створення системи штучної інтелектуальної системи та чат-бота, можна екстраполювати на інші області та використовувати для діагностики та лікування інших форм психічних захворювань. Методи, використані для розкриття даних, використаних для прийняття певних рішень, також можна використати для підвищення прозорості та пояснюваності систем машинного навчання в цілому.