Los investigadores desarrollaron IA «explicable» para ayudar a diagnosticar y tratar a los niños en riesgo



Un par de investigadores del Laboratorio de Oak Ridge han desarrollado un sistema de inteligencia artificial «explicable» diseñado para ayudar a los profesionales médicos en el diagnóstico y tratamiento de niños y adultos que han experimentado adversidades en la infancia. Si bien este es un caso de uso decididamente estrecho, los aspectos prácticos detrás de esta IA tienen implicaciones particularmente interesantes para el campo del aprendizaje automático en su conjunto.

Además, representa la primera solución real basada en datos para el problema excepcional de capacitar a los médicos generales con habilidades de diagnóstico de dominio de nivel experto, una hazaña impresionante en sí misma.

Comencemos con algunos antecedentes. Experiencias adversas de la infancia (ACE) son una forma bien estudiada de factores ambientales médicamente relevantes cuyo efecto en las personas, especialmente en las comunidades minoritarias, en todo la totalidad de sus vidas ha sido investigado a fondo.

Si bien los síntomas y los resultados suelen ser difíciles de diagnosticar y predecir, las intervenciones más comunes suelen ser fáciles de aplicar. Básicamente: en la mayoría de los casos, sabemos qué hacer con las personas que padecen o viven en condiciones ambientales adversas durante la infancia, pero a menudo no tenemos los recursos para llevar a estas personas por completo desde el diagnóstico hasta el proceso de tratamiento.

Entran Nariman Ammar y Arash Shaban-Nejad, dos investigadores médicos del Laboratorio Nacional Oak Ridge de la Universidad de Tennesee. Ellos hoy publicaron un papel de preimpresión que describe el desarrollo y la prueba de un marco novedoso de IA diseñado para ayudar en el diagnóstico y tratamiento de las personas que cumplen los criterios de la ACE.

A diferencia de un hueso roto, las ECA no se diagnostican mediante exámenes físicos. Requieren un cuidador o un profesional médico con capacitación y experiencia en el campo de la adversidad infantil para realizar el diagnóstico. Si bien la esencia general del diagnóstico de estos casos implica hacer preguntas a los pacientes, no es tan simple como simplemente revisar una lista de verificación.

Es posible que los profesionales médicos no sospechen ACE hasta que se hagan las preguntas “correctas”, e incluso entonces las preguntas de seguimiento suelen ser más reveladoras. Dependiendo de los matices particulares de un caso individual, podría haber decenas de miles de parámetros potenciales (combinaciones de preguntas y respuestas) que afecten las recomendaciones de intervención que un proveedor de atención médica puede necesitar hacer.

Y, quizás peor, una vez que se realizan las intervenciones, es decir, se programan citas con agencias médicas, psiquiátricas o locales / gubernamentales que pueden ayudar al paciente, no hay garantías de que la próxima persona en la larga lista de trabajadores de la salud y del gobierno se encontrará con el paciente. va a ser tan competente a la hora de entender las ACE como la última.

El trabajo del equipo de Oak Ridge es, en sí mismo, una intervención. Está diseñado para funcionar de manera muy similar a un chat bot de soporte técnico. Usted ingresa la información del paciente y recomienda y programa intervenciones en función de las diversas bases de datos en las que está capacitado.

Esto puede sonar como un chatbot normal, pero esta IA hace muchas inferencias. Procesa solicitudes en lenguaje sencillo como «mi casa no tiene calefacción» en inferencias sobre la adversidad infantil (problemas de vivienda) y luego busca en lo que es esencialmente la versión legible por computadora de un libro de texto médico sobre ACE y decide el mejor curso de acción para recomendar a un profesional médico.

Las preguntas y respuestas no son una lista de verificación preestablecida, sino un sistema de conversación dinámico basado en «Cumplimientos» y webhooks que, según el documento, «permiten al agente invocar puntos finales de servicios externos y enviar respuestas dinámicas basadas en expresiones de usuario en lugar de para codificar esas respuestas «.

Usando sus propias inferencias, decide qué preguntas hacer basándose en el contexto de las previamente respondidas. El objetivo aquí es ahorrar tiempo y hacer que sea lo más sencillo posible extrapolar la información más útil posible en la menor cantidad de preguntas.

Junto con las capacidades de programación de nivel final, esto podría terminar siendo una ventanilla única para ayudar a las personas que, de lo contrario, podrían continuar viviendo en un entorno que podría causar daños permanentes y de por vida a su salud y bienestar.

La mejor parte de este sistema de IA es que es completamente explicable. Convierte el cumplimiento y los webhooks en elementos procesables adjuntándolos a los fragmentos de datos relevantes que utilizó para extrapolar sus resultados finales. Esto, de acuerdo con la investigación, permite un sistema de caja abierta totalmente rastreable que, salvo cualquier eventual interfaz de usuario y problemas de conectividad, debería ser utilizable por cualquier persona.

Si esta metodología se puede aplicar a otros dominios, como, por ejemplo, hacer que sea menos doloroso tratar con casi todos los demás chatbots del planeta, podría cambiar las reglas del juego para los industria de bots de servicio ya en auge.

Como siempre, tenga en cuenta que los artículos de arXiv son preimpresiones que no han sido revisadas por pares y están sujetos a cambios o retractaciones. Puede leer más sobre el nuevo marco de IA del equipo de Oak Ridge aquí.

Publicado el 17 de noviembre de 2020-23: 55 UTC





Fuente: TNW

Compartir:

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Esta web utiliza cookies propias y de terceros para su correcto funcionamiento y para fines analíticos y para fines de afiliación y para mostrarte publicidad relacionada con tus preferencias en base a un perfil elaborado a partir de tus hábitos de navegación. Al hacer clic en el botón Aceptar, aceptas el uso de estas tecnologías y el procesamiento de tus datos para estos propósitos. Ver Política de cookies
Privacidad