2021. 01. 08. - 08:45

A gyermekkori traumák elemzésében segít a mesterséges intelligencia

A gyermekkori traumák elemzésében segít a mesterséges intelligencia
Egy nemrégiben publikált tanulmányban két tudós arról számolt be, hogy sikerült egy olyan, mesterséges intelligencia által támogatott módszert kidolgozni, melynek köszönhetően a gyermekkori káros tapasztalatok diagnosztizálása hatékonyabbá válhat.

Az úgynevezett Adverse Childhood Experiences (ACE), vagyis káros gyermekkori tapasztalatok diagnosztizálása és kezelése a célja a rendszernek, amit egyébként gyermekeknél éppolyan eredményesen lehet használni, mint felnőtteknél.

A módszer részleteit bemutató tanulmány a Journal of Medical Internet Research című orvosi folyóiratban jelent meg. Kidolgozója Arash Shaban-Nejad, PhD, MPH, egyetemi adjunktus, valamint Nariman Ammar, PhD, posztdoktori munkatárs, és mindketten a Tennessee Egyetem Egészségtudományi Központ Gyermekgyógyászati ​​Tanszékének Biomedicinális Informatikai Központjában dolgoznak.

A gyermekkori hátrányos tapasztalatok, rossz élmények és negatív folyamatok - amelyekkel az egyén egészen kisgyermekkorától akár tinédzserkoráig találkozhat - bizonyítottan káros egészségügyi kockázatokat eredményezhetnek a felnőttkorban. Minél több ilyen kellemetlenséget élt át valaki fiatalon, annál nagyobb a rizikó. Éppen ezért kritikus jelentőségű a problémákat időben felismerni.

Az egész életre kiható gyermekkori traumákon segíthet a mesterséges intelligencia
Az egész életre kiható gyermekkori traumákon segíthet a mesterséges intelligencia


A Dr. Shaban-Nejad és Ammar által megvalósított mesterséges intelligencia platform a Semantic Platform for Childs Experience Surveillance (SPACES) nevet kapta, amely segítséget nyújt az orvosoknak és az egészségügyi dolgozóknak az ACE diagnosztizálásában még a korai szakaszban. Mindez a személyes beszélgetések és konzultációk során rögzített valós idejű adatok felhasználásával történik.

Habár léteznek már most is MI-platformok hasonló célra, de azok nem mindig nyújtanak megfelelő információkat a döntések értelmezéséhez és igazolásához. Ez pedig azzal járhat, hogy a diagnózis pontatlan lesz, így a kezelési folyamat elhúzódhat, sőt, rosszabb esetben félrekezelhetik a betegeket.

A SPACES platform olyan funkciókkal rendelkezik, amelyek csökkenteni tudják ezeket a nehézségeket. Felismerheti a betegek egészségi állapotának eltéréseit különböző szempontok szerint, legyen az például földrajzi elhelyezkedés, szexuális identitás, társadalmi és gazdasági helyzet stb. A pontosabb diagnózis felállítása mellett kezelési terveket is tud ajánlani az egészségügyi szakembereknek.

A tudóspáros kutatási tanulmánya a Top Milestones on Explainable AI In 2020 listájára is felkerült, ami a magyarázható mesterséges intelligencia legfontosabb mérföldköveit tartalmazza.

"A jelenlegi kezelési lehetőségek hosszúak, komplikáltak, költségesek, és a legtöbbször nem átláthatóak. Az új platform célja nem csupán a szakemberek segítése az információk kinyerésében, feldolgozásában és elemzésében, hanem a betegek tájékoztatása és felhatalmazása abban, hogy az egészségügyi szakemberekkel együttműködve aktívan részt vegyenek a saját egészségüket érintő döntéshozatali folyamatokban" - mondta el Arash Shaban-Nejad.

- Varga Viktor -

Hírlevél feliratkozás

Kérjük, add meg adataidat a hírlevélre történő feliratkozáshoz! A megadott adatokat bizalmasan kezeljük, azokat harmadik félnek át nem adjuk.
hungarospa_logo_kicsi
gyulai_vafurdo

profight_banner.