Το νέο σύστημα τεχνητής νοημοσύνης μπορεί να ανιχνεύει μοτίβα σωματικών τραυμάτων που συνδέονται με κακοποίηση και να επιτρέπει στους επαγγελματίες υγείας να παρεμβαίνουν νωρίτερα.
Οι επιστήμονες ανέπτυξαν ένα εργαλείο τεχνητής νοημοσύνης (AI) που έχει σχεδιαστεί για να βοηθά τους γιατρούς να εντοπίζουν τους ασθενείς που μπορεί να κινδυνεύουν από βία μεταξύ συντρόφων, ενδεχομένως χρόνια πριν τα θύματα αναζητήσουν βοήθεια.
ΔΙΑΦΉΜΙΣΗ
ΔΙΑΦΉΜΙΣΗ
Οι ερευνητές στις Ηνωμένες Πολιτείες εκπαίδευσαν ένα μοντέλο μηχανικής μάθησης χρησιμοποιώντας δεδομένα που συλλέχθηκαν κατά τη διάρκεια τακτικών επισκέψεων σε νοσοκομεία. Η μελέτη (πηγή στα Αγγλικά) δημοσιεύθηκε στο περιοδικό Nature.
Η βία μεταξύ συντρόφων αναφέρεται σε κακοποίηση από νυν ή πρώην συντρόφους και μπορεί να οδηγήσει σε σοβαρούς τραυματισμούς, χρόνιο πόνο και διαταραχές της ψυχικής υγείας.
Σύμφωνα με έκθεση (πηγή στα Αγγλικά) της Ευρωπαϊκής Επιτροπής, το 18% των γυναικών που είχαν ποτέ σύντροφο δήλωσαν ότι είχαν βιώσει σωματική ή σεξουαλική βία από τον σύντροφό τους το 2021.
Ο σημερινός έλεγχος για ενδοοικογενειακή κακοποίηση στα νοσοκομεία βασίζεται συνήθως στους γιατρούς που υποβάλλουν στους ασθενείς ερωτήσεις σχετικά με την ασφάλειά τους στο σπίτι. Αλλά πολλά θύματα δεν αποκαλύπτουν την κακοποίηση λόγω φόβου, στιγματισμού ή ανησυχιών για την ασφάλεια, με αποτέλεσμα οι περιπτώσεις να μένουν συχνά απαρατήρητες.
Η ερευνητική ομάδα χρησιμοποίησε αρχεία αρκετών ετών από σχεδόν 850 γυναίκες που είχαν βιώσει βία από οικείο σύντροφο και περισσότερους από 5.200 ασθενείς παρόμοιας ηλικίας σε μια ομάδα ελέγχου για να δημιουργήσει τρία διαφορετικά συστήματα τεχνητής νοημοσύνης για να δοκιμάσει πόσο καλά η τεχνολογία θα μπορούσε να εντοπίσει άτομα που διατρέχουν κίνδυνο.
Το πρώτο σύστημα ανέλυσε δομημένα νοσοκομειακά δεδομένα, όπως η ηλικία, το ιατρικό ιστορικό και άλλες τυπικές πληροφορίες ασθενών. Το δεύτερο εξέτασε γραπτές ιατρικές σημειώσεις, συμπεριλαμβανομένων των παρατηρήσεων των γιατρών και των ακτινολογικών εκθέσεων. Το τρίτο σύστημα συνδύαζε και τα δύο είδη πληροφοριών.
Και τα τρία μοντέλα είχαν ισχυρές επιδόσεις, αλλά το συνδυασμένο σύστημα αποδείχθηκε το πιο ακριβές. Εντόπισε σωστά τον κίνδυνο στο 88% των περιπτώσεων.
Το εργαλείο ήταν επίσης σε θέση να επισημάνει πιθανή κακοποίηση περισσότερα από τρία χρόνια πριν πολλοί ασθενείς εισέλθουν αργότερα σε προγράμματα παρέμβασης για την ενδοοικογενειακή κακοποίηση που βασίζονται σε νοσοκομεία.
Αναλύοντας μεγάλες ποσότητες νοσοκομειακών δεδομένων ταυτόχρονα, το νέο σύστημα τεχνητής νοημοσύνης μπορεί να εντοπίσει μοτίβα σωματικών τραυμάτων που συνδέονται με την κακοποίηση και να επισημάνει τους ασθενείς των οποίων τα αρχεία μοιάζουν με αυτά που παρατηρούνται σε επιβεβαιωμένες περιπτώσεις κακοποίησης, επιτρέποντας στους επαγγελματίες υγείας να παρεμβαίνουν νωρίτερα.
"Αυτό το εργαλείο υποστήριξης κλινικών αποφάσεων θα μπορούσε να έχει σημαντικό αντίκτυπο στην πρόβλεψη και την πρόληψη της βίας μεταξύ συντρόφων", δήλωσε ο Qi Duan, διευθυντής προγράμματος του τμήματος τεχνολογιών πληροφορικής υγείας στο Εθνικό Ινστιτούτο Βιοϊατρικής Απεικόνισης και Βιομηχανικής (NIBIB) του Εθνικού Ινστιτούτου Υγείας των ΗΠΑ.
"Δεδομένου του επιπολασμού των κρουσμάτων, το εργαλείο θα μπορούσε να αποτελέσει ένα πλεονέκτημα που θα άλλαζε τα δεδομένα στη δημόσια υγεία", πρόσθεσε ο Duan.
Οι ερευνητές λένε ότι η τεχνολογία έχει σχεδιαστεί για να υποστηρίζει τους κλινικούς γιατρούς και όχι να αντικαθιστά την κρίση τους. Δεν διαγιγνώσκει την κατάχρηση ούτε εξαναγκάζει τους ασθενείς να αποκαλύψουν πληροφορίες. Αντίθετα, παρέχει ένα σήμα που μπορεί να βοηθήσει τους γιατρούς να προσεγγίσουν προσεκτικά το θέμα και να προσφέρουν υποστήριξη αν χρειαστεί.
"Το έργο μας αντιπροσωπεύει μια στροφή προς την κατεύθυνση της έγκαιρης αναγνώρισης του κινδύνου χρησιμοποιώντας πληροφορίες που υπάρχουν ήδη στα δεδομένα υγειονομικής περίθαλψης", δήλωσε ο Bharti Khurana, ακτινολόγος επειγόντων περιστατικών στο Mass General Brigham και αναπληρωτής καθηγητής στην Ιατρική Σχολή του Χάρβαρντ.
Οι ερευνητές λένε ότι σχεδιάζουν να ενσωματώσουν την τεχνολογία στα συστήματα ηλεκτρονικών ιατρικών αρχείων, ώστε τα νοσοκομεία να μπορούν να λαμβάνουν αξιολογήσεις σε πραγματικό χρόνο κατά τη διάρκεια της συνήθους περίθαλψης.