Trí tuệ nhân tạo ‘giải thích được’ được tạo ra để chẩn đoán và điều trị trẻ em có kinh nghiệm bất lợi trong thời thơ ấu

Những nhà nghiên cứu từ Phòng thí nghiệm Oak Ridge đã gần đây tạo ra một hệ thống trí tuệ nhân tạo nhằm giúp chẩn đoán và điều trị những người đã trải qua những bất lợi trong thời thơ ấu đáng kể. Theo The Next Web, hệ thống trí tuệ nhân tạo này được thiết kế để trở nên “giải thích được”, không giống như nhiều mô hình trí tuệ nhân tạo khác là những hộp đen, bằng cách trả lại những đoạn dữ liệu được sử dụng để đưa ra quyết định của nó.

Thuật ngữ “Kinh nghiệm bất lợi trong thời thơ ấu” (ACEs) đề cập đến những sự kiện创 thương xảy ra với mọi người trước tuổi 18 và bao gồm tất cả các hình thức lạm dụng và bỏ bê cũng như giam giữ, lạm dụng chất kích thích, bạo lực gia đình đối với một phụ huynh, và bệnh tâm thần của một phụ huynh. ACEs có thể có những ảnh hưởng suốt đời đến sự phát triển và sức khỏe của mọi người, và như với nhiều vấn đề y tế khác, việc phát hiện và điều trị sớm có thể cải thiện kết quả cho những người liên quan. Loại can thiệp hiệu quả cho những người đã trải qua ACEs đã được biết và nghiên cứu kỹ lưỡng, nhưng các cơ quan điều trị sức khỏe tâm thần thường thiếu nguồn lực để chẩn đoán một người và theo dõi họ trong suốt quá trình điều trị.

Hệ thống trí tuệ nhân tạo này được phát triển bởi hai nhà nghiên cứu y tế từ Phòng thí nghiệm Quốc gia Oak Ridge của Đại học Tennessee, Nariman Ammar và Arash Shaban-Nejad. Trong một bài báo tiền in gần đây được phát hành thông qua JMIR Medical Informatics, nhóm nghiên cứu đã mô tả việc phát triển và thử nghiệm mô hình trí tuệ nhân tạo của họ, được thiết kế để hỗ trợ các chuyên gia y tế trong việc chẩn đoán và điều trị những người bị ảnh hưởng bởi ACEs.

Mô hình trí tuệ nhân tạo này nhằm mục đích đề xuất một số can thiệp cho các chuyên gia y tế, giúp họ dễ dàng hơn trong việc hỗ trợ những người đang mắc phải ACEs. Quá trình hiện tại để nhận được sự điều trị cho một người mắc phải ACE là một quá trình dài và phức tạp. Để chẩn đoán những người bị ảnh hưởng bởi ACEs, các chuyên gia y tế phải nhận được đào tạo nâng cao về loại câu hỏi đúng để hỏi, sau đó sử dụng những câu hỏi đó để có được cái nhìn sâu sắc về những sự kiện đã định hình thời thơ ấu của một người và cách những sự kiện đó có thể đã ảnh hưởng đến họ. Khi xem xét nhiều sự kết hợp khác nhau của câu hỏi và câu trả lời, có thể rất khó cho một nhà cung cấp để đề xuất một loại can thiệp cụ thể. Ngoài ra, một khi các cuộc hẹn với các cơ quan y tế hoặc chính phủ đã được sắp xếp, sẽ có một hàng dài các công nhân y tế và chính phủ xử lý bệnh nhân, và họ không được đảm bảo có đủ đào tạo hoặc hiểu biết về ACEs.

Để giải quyết những vấn đề này, nhóm nghiên cứu đã thiết kế một ứng dụng trí tuệ nhân tạo hoạt động tương tự như một chương trình trò chuyện cho mục đích hỗ trợ kỹ thuật. Những người sử dụng hệ thống trí tuệ nhân tạo này nhập thông tin bệnh nhân vào mô hình, sau đó trả lại một đề xuất về các can thiệp trên một lịch trình nhất định, dựa trên cơ sở dữ liệu mà mô hình đã được đào tạo. Mô hình này tính đến các đầu vào ngôn ngữ tự nhiên, giải thích các cụm từ như “nhà tôi không có sưởi” là những chỉ số tiềm năng của sự bất lợi trong thời thơ ấu, kiểm tra những tuyên bố ngữ cảnh này so với một hướng dẫn y tế cho việc điều trị ACEs, đề xuất các hành động tốt nhất.

Các phản hồi với các mục nhập của người dùng không được mã hóa cứng, mà là động, sử dụng một hệ thống webhook kích hoạt và gọi các điểm cuối dịch vụ bên ngoài để tạo ra các phản hồi động. Hệ thống trí tuệ nhân tạo quyết định những câu hỏi nào nên được hỏi dựa trên các câu trả lời đã cho cho các câu hỏi trước đó, với mục tiêu cuối cùng là cho phép thu thập thông tin hữu ích và liên quan nhất trong số ít câu hỏi nhất. Như đã đề cập trước đó, hệ thống này cũng giải thích được, tiết lộ dữ liệu mà nó đã sử dụng để đưa ra quyết định về các can thiệp. Do đó, hệ thống này có thể theo dõi được, và các chuyên gia y tế nên có thể theo dõi logic được sử dụng bởi hệ thống ngược lại.

Hệ thống trí tuệ nhân tạo được phát triển bởi các nhà nghiên cứu từ Phòng thí nghiệm Oak Ridge là một trong những phương pháp đầu tiên dựa trên dữ liệu để cho phép các chuyên gia y tế chẩn đoán tốt hơn những người mắc phải ACEs. Mặc dù đây là một thành tựu ấn tượng, nhưng có thể rằng phương pháp chung được sử dụng để tạo ra hệ thống trí tuệ nhân tạo và chương trình trò chuyện này có thể được áp dụng cho các lĩnh vực khác và được sử dụng để chẩn đoán và điều trị các dạng bệnh tâm thần khác. Các phương pháp được sử dụng để tiết lộ dữ liệu được sử dụng để đưa ra quyết định nhất định cũng có thể được tận dụng để tăng tính minh bạch và giải thích được cho các hệ thống học máy nói chung.