НЛП и машинное обучение в здравоохранении - создание чат-бота для оценки посттравматического стрессового расстройства
Преодоление проблем с данными, увеличение масштабов проблемы и создание серверной части машинного обучения для повышения интеллектуальности чат-бота.
Во время работы над вызовом Omdena PTSD в рамках инициативы компании AI for Good нам быстро стало ясно, что существует множество проблем, уникальных для области медицины, которые затрудняют внедрение чат-ботов и создание ценности. Однако благодаря сотрудничеству с сообществом мы определили наиболее многообещающее направление с отличными результатами.
# 1 Определение правильной проблемы, которую нужно решить
Возможности нашего чат-бота зависели от машинного обучения и других команд - в конце концов, чат-бот - это просто средство, с помощью которого определенные процессы ускоряются и автоматизируются.
После вдумчивого обсуждения и изучения имеющихся данных, которые оказались очень скудными (из-за открытости, конфиденциальности и т. Д.), Мы договорились сосредоточить наши усилия на оказании помощи профессионалам в проверке беженцев, ветеранов и другие группы с высоким риском посттравматического стрессового расстройства и оценка вероятности необходимости в медицинской помощи.
Постановка проблемы
Создайте чат-бота, который в ходе беседы с людьми из группы риска будет предоставлять команде машинного обучения достаточную информацию для оценки риска посттравматического стрессового расстройства.
# 2 Соответствие требованиям
Чтобы ваше решение было жизнеспособным и полезным в реальных условиях, оно должно удовлетворять ряду требований, которые создают серьезную проблему при решении проблемы.
Стабильность
- Всегда помните о целевой группе продукта, который вы создаете. В нашем случае это люди, которые потенциально пережили тяжелую травму, может быть, даже в недавнем прошлом. Поэтому мы сочли необходимым иметь возможность гарантировать высокую степень стабильности нашего решения, чтобы не вызывать дальнейшего разочарования у наших пользователей, а также потому, что нам требуется одобрение медицинских специалистов.
Болтливость
- Под болтовней я имею в виду общую способность чат-бота вести себя и поощряю плавный и подробный разговор с пользователем. В нашем случае данные, которые мы использовали для классификации оценки риска, были стенограммами сеансов терапии с людьми с диагнозом посттравматическое стрессовое расстройство. Таким образом, было невозможно использовать простую анкету типа «да / нет», но пользователю предлагалось написать более подробные ответы.
Интеллект
- Основное использование чат-бота обычно заключается не только в ведении разговора, но и в интеллектуальном выводе определенных намерений, сущностей и т. Д. Из-за множества ограничений, с которыми мы столкнулись, оказалось, что большая часть интеллекта, который мы могли и должны были реализовать, пришла в форма обработки возможных проблем, которые могут возникнуть во время чата, и оказание помощи пользователю в случае необходимости.
Вызовы
Основные проблемы, с которыми мы столкнулись, возникли из-за вышеперечисленных требований и конфликта между ними.
Во-первых, мы должны были пройти по узкой линии обеспечения стабильности разговора, следуя сценарию, легко проверяемому медицинскими специалистами, но в то же время побуждаем пользователя открываться и писать более длинные и подробные ответы.
Хотя создание текста с помощью машинного обучения является привлекательной тенденцией в отрасли, оно не может дать нам никаких гарантий, что чат-бот будет работать так, как ожидалось, генерировать достаточное количество данных и не вызовет путаницы или вреда.
Помня об этом, мы решили следовать существующей скрининговой анкете (CAPS 5), используемой медицинскими работниками, которая содержит множество открытых вопросов. Это дает нам необходимую стабильность, гарантирует, что пользователю будет предложено дать широкий ответ, и, кроме того, заставляет медицинских специалистов, которые будут рассматривать это решение, уже знакомыми с используемым подходом.
Несмотря на то, что это отвечало требованиям 1 и 2 (стабильность и болтливость), нам все еще оставалась проблема увеличения ценности за счет интеллекта чат-бота.
Поскольку данные, которые ожидала наша команда по машинному обучению, были в форме стенограммы, результат работы чат-бота должен был быть таким же, поэтому добавление дополнительных объектов или распознавание намерений не могло быть использовано для окончательной оценки.
Более подробную информацию о бэкенде машинного обучения, который мы создали, можно найти в этой статье Natu Lauchande,
Наш план состоял в том, чтобы помочь пользователю в разговоре путем реализации понятных резервных намерений, распознавания общих утверждений, указывающих на то, что пользователю нужна немедленная помощь, и направления их к доступному профессионалу если есть.
Выводы
Это, безусловно, было очень поучительным опытом для всех нас, участвовавших в решении сложной реальной жизненной проблемы, важность которой сильно мотивировала.
Мы научились корректировать наши цели и ожидания в соответствии с ограничениями ниши и ее требованиями, и мы научились всегда помнить о решении в целом, а не только о чат-боте и о том, как его в конечном итоге будут использовать реальные люди.
Наконец, я хочу донести информацию до всей области медицины.
Если мы хотим двигаться вперед и помочь миллионам людей во всем мире с помощью ИИ во благо, нам необходимо сделать наши данные доступными для широкой публики. . При этом нет предела тому, что может быть достигнуто в ближайшие десятилетия.
Если вы хотите принять участие в одной из задач Омдены и оказать реальное влияние, подайте заявку здесь.
Если вы хотите получать новости о наших задачах искусственного интеллекта, интервью с экспертами и практические советы по развитию своих навыков в области искусственного интеллекта, подпишитесь на нашу ежемесячную информационную рассылку.
Мы также находимся в LinkedIn, Instagram, Facebook и Twitter.
