Της Νάσιας Κουτσούνη,
Η τεχνητή νοημοσύνη αντιπροσωπεύει μια από τις πιο επαναστατικές και επιδραστικές τεχνολογίες του 21ου αιώνα. Με τον όρο «τεχνητή νοημοσύνη» αναφερόμαστε στην αυτόματη αναγνώριση μοτίβων και στη δημιουργία εξελιγμένων αλγόριθμων, με σκοπό τη διευκόλυνση της κοινωνίας σε διάφορους τομείς, όπως η οικονομία (οικονομικές προβλέψεις), η εκπαίδευση, η ψυχαγωγία κ.ά.
Ένας τομέας με μεγάλες προοπτικές για την τεχνητή νοημοσύνη είναι ο κλάδος της υγείας και συγκεκριμένα της ψυχικής υγείας. Έως τώρα, σύμφωνα με τον Παγκόσμιο Οργανισμό Υγείας (Π.Ο.Υ.), γνωρίζουμε ότι περίπου 1 στους 4 ανθρώπους παγκοσμίως επηρεάζεται από ψυχικές ασθένειες, όπως κατάθλιψη, αγχώδη διαταραχή, σχιζοφρένεια, διπολική διαταραχή και άλλες παθήσεις.
Οφέλη στη διάγνωση και πρόληψη μέσω αλγορίθμων
Ένα από τα πολλά οφέλη της χρήσης τεχνητής νοημοσύνης στον κλάδο της ψυχικής υγείας είναι η ικανότητα που έχει να επεξεργάζεται τεράστιο όγκο δεδομένων, σε ελάχιστο χρονικό διάστημα. Αυτό συμβάλλει στην ακριβή διάγνωση της διαταραχής και στην εύρεση προσωποποιημένων θεραπευτικών προσεγγίσεων, βασιζόμενο σε δεδομένα που έχουν αναλυθεί από ασθενείς με παρόμοια διάγνωση. Η τεχνητή νοημοσύνη μπορεί να αναγνωρίσει μοτίβα και συσχετισμούς που μπορεί να είναι αόρατα στο ανθρώπινο μάτι. Αυτό μπορεί να οδηγήσει σε πιο ακριβή και έγκαιρη διάγνωση, η οποία μπορεί να βελτιώσει τα αποτελέσματα των ασθενών.
Άλλο ένα σημαντικό πλεονέκτημα είναι η ικανότητά της να παρέχει άμεση πρόσβαση σε πόρους ψυχικής υγείας. Έχουν ήδη δημιουργηθεί εικονικοί βοηθοί (chat bots), οι οποίοι παρέχουν στον χρήστη τη δυνατότητα επικοινωνίας 24 ώρες το 24ωρο, με αναμονή μόνο μερικών δευτερολέπτων. Ο χρήστης μπορεί να «συζητήσει» με τον εικονικό βοηθό για τα προβλήματα που τον απασχολούν και να λάβει άμεσα απάντηση. Ένα από τα πιο γνωστά chatbots για ψυχικές ασθένειες είναι το Woebot, το οποίο δημιουργήθηκε από ερευνητές του Stanford University και χρησιμοποιεί αποδεδειγμένες θεραπευτικές πρακτικές για να βοηθήσει χρήστες που χρειάζονται ψυχολογική υποστήριξη.
Μια πολύ σημαντική ανακάλυψη για την τεχνητή νοημοσύνη είναι οι λεγόμενοι «εικονικοί δημοσιογράφοι» ή αλλιώς “virtual interviewers”, οι οποίοι χρησιμοποιήθηκαν για να βοηθήσουν στρατιώτες που υπέφεραν από μετατραυματικό στρες (post-traumatic stress) με μεγάλη επιτυχία. Βλέποντας τον εικονικό δημοσιογράφο, οι στρατιώτες μπορούσαν να μιλήσουν και να εκφράσουν τα συναισθήματά τους, λαμβάνοντας απαντήσεις και συμβουλές, αλλά και βλέποντας την έκφρασή του σαν να μιλάνε σε άνθρωπο.
Επιπλέον, ερευνητές στο Ιατρικό Κέντρο του Πανεπιστημίου Vanderbilt διαπίστωσαν ότι τα δεδομένα εισαγωγής στο νοσοκομείο, τα δημογραφικά δεδομένα και τα κλινικά δεδομένα θα μπορούσαν να αναλυθούν με μηχανική μάθηση και να προβλέψουν εάν ένα άτομο έχει σκοπό προβεί σε αυτοχειρία με ακρίβεια 80%. Άλλο ένα παρόμοιο έργο βρίσκεται σε εξέλιξη στο Ινστιτούτο Alan Turing. Στο συγκεκριμένο έργο, ερευνητές αναζητούν τρόπους χρήσης μεγάλων συνόλων δεδομένων από άτομα που δεν έχουν παρουσιάσει ακόμη συμπτώματα, ώστε να μπορούν να προβλέψουν ποια από αυτά μπορεί να εμφανίσουν συμπτώματα κάποιας ψυχικής ασθένειας κατά τη διάρκεια της ζωής τους.
Έρευνα που δημοσιεύθηκε στο JAMA Psychology διαπίστωσε ότι η επεξεργασία των δεδομένων μέσω της τεχνητής νοημοσύνης και η ανάλυσή τους μπορεί να βοηθήσει σε διάφορες θεραπείες των ασθενών, μειώνοντας, ενδεχομένως, την ανάγκη συνταγογράφησης φαρμάκων σε ορισμένους ασθενείς.
U–Health System: Το σύστημα παρακολούθησης ασθενών με τη βοήθεια της τεχνολογίας
Το U-Health System είναι ένα σύστημα υγείας που προσφέρει ολοκληρωμένες υπηρεσίες υγείας σε διάφορους τομείς, συμπεριλαμβανομένης της ψυχικής υγείας. Μέσω της εφαρμογής της τεχνητής νοημοσύνης, το U-Health System μπορεί να βελτιώσει την παροχή υπηρεσιών ψυχικής υγείας μέσω αισθητήρων, οι οποίοι συλλέγουν και αναλύουν δεδομένα με σκοπό την καλύτερη προσέγγιση θεραπείας, αλλά και την εξ αποστάσεως παρακολούθηση του ασθενή. Οι αισθητήρες αυτοί συλλέγουν δεδομένα σχετικά με τη φυσιολογία του κάθε ασθενή και βοηθούν στην αποκάλυψη συμπτωμάτων και τάσεων που σχετίζονται με συγκεκριμένες ψυχικές παθήσεις. Όσον αφορά τα αρχιτεκτονικά υποστρώματα, το σύστημα U-Health ακολουθεί ένα σύστημα τριών επιπέδων:
- Βαθμίδα 1 (Wireless Body Area Network – W.B.A.N.): Σε αυτήν τη βαθμίδα γίνεται η ασύρματη επικοινωνία μεταξύ των αισθητήρων του σώματος που τοποθετούνται στον ασθενή και η συλλογή των δεδομένων με βάση την κίνησή του, τη θερμοκρασία του σώματός του και της θέσης του.
- Βαθμίδα 2 (Base Station or Personal Server): Αυτή η βαθμίδα λειτουργεί ως αγωγός, ο οποίος συνδέει τα δεδομένα που συλλέγονται από τους αισθητήρες W.B.A.N. σε έναν απομακρυσμένο διακομιστή. Διεπαφές όπως U-HEALTH, 3G/4G ή LAN αξιοποιούνται για τη μεταφορά δεδομένων.
- Βαθμίδα 3 (Remote Server): Αυτή η βαθμίδα χρησιμοποιείται για τη λήψη των δεδομένων σε πραγματικό χρόνο από τους επαγγελματίες ψυχικής υγείας, με σκοπό τη συνεχή παρακολούθηση του ασθενή. Ταυτόχρονα, αυτά τα δεδομένα που συλλέγονται αποθηκεύονται στη βάση δεδομένων των νοσοκομείων για χρήση.
Προκλήσεις και ερωτηματικά
Όπως προαναφέραμε, η τεχνητή νοημοσύνη μπορεί να φανεί εξαιρετικά ωφέλιμη στην πρόληψη και διάγνωση ψυχικών ασθενειών. Παρόλα αυτά, υπάρχουν αρκετές προκλήσεις που απαιτούν συνεργασία μεταξύ των ερευνητών τεχνητής νοημοσύνης και εργαζομένων στον τομέα ψυχικής υγείας, ώστε να ξεπεραστούν.
Αρχικά, υπάρχει το ζήτημα της ανακρίβειας και ανισορροπίας στα δεδομένα που χρησιμοποιούνται για τους αλγόριθμους και αυτό μπορεί να έχει ως αποτέλεσμα αναξιόπιστες προβλέψεις. Για παράδειγμα, είναι γνωστό ότι θέματα ψυχικής υγείας μπορεί να παραμείνουν αδιάγνωστα σε κοινωνικές ομάδες, οι οποίες λόγω οικονομικών προβλημάτων δεν έχουν πρόσβαση στην υγειονομική περίθαλψη. Έτσι, οι αλγόριθμοι που βασίζονται σε τέτοια δεδομένα θα είναι πιο ανακριβείς στη διάγνωση. Οι μηχανικοί τεχνητής νοημοσύνης και οι επαγγελματίες ψυχικής υγείας θα πρέπει να συνεργαστούν, για να βρουν τρόπο να εξαλείψουν τα μεροληπτικά δεδομένα και να λαμβάνουν μεγαλύτερο δείγμα από όλες τις κοινωνικές ομάδες, ώστε να υπάρχει μεγαλύτερη εγκυρότητα στις διαγνώσεις μέσω αλγορίθμων.
Αξίζει να σημειωθεί άλλο ένα σημαντικό ζήτημα, το οποίο είναι η προστασία δεδομένων των ασθενών. Η τεχνητή νοημοσύνη στηρίζεται, όπως προαναφέρθηκε, στην ανάλυση δεδομένων από ασθενείς, με σκοπό την εκμάθηση αλγορίθμων. Αυτά τα δεδομένα, όμως, περιέχουν ευαίσθητα προσωπικά στοιχεία για τον κάθε ασθενή, τα οποία πρέπει να προστατεύονται ώστε να μην υπάρξει κατάχρηση, διαρροή δεδομένων ή ανεπιθύμητη πρόσβαση σε αυτά. Πρέπει, λοιπόν, να διαφυλαχτεί η ιδιωτικότητα των δεδομένων κάθε ασθενή.
Η έκθεση του Παγκόσμιου Οργανισμού Υγείας αναφέρει ότι υπάρχουν «σημαντικά κενά» στην κατανόησή μας για τον τρόπο εφαρμογής της τεχνητής νοημοσύνης στη θεραπεία ψυχικής υγείας. Επιπλέον, διαπιστώνει ελαττώματα στον τρόπο επεξεργασίας δεδομένων από τις υπάρχουσες εφαρμογές τεχνητής νοημοσύνης και ανεπάρκεια στην αξιολόγηση των κινδύνων που σχετίζονται με την προκατάληψη και τα ελλείποντα δεδομένα.
Καταλήγουμε, λοιπόν, στο συμπέρασμα ότι η τεχνητή νοημοσύνη φανερώνει πολλά υποσχόμενα σημάδια για την επιτυχία της πάνω στον κλάδο της ψυχικής υγείας. Είναι σαφές, όμως, ότι χρειάζεται προσοχή και αξιολόγηση στα μοντέλα εκμάθησης των αλγορίθμων που χρησιμοποιούνται, ώστε να μειωθεί ο κίνδυνος μεροληψίας και λάθος δεδομένων, καθώς αυτό μπορεί να οδηγήσει σε καταστάσεις που θα επηρεάσουν ανθρώπινες ζωές. Καθώς η τεχνητή νοημοσύνη αναπτύσσεται, στο μέλλον ίσως να είμαστε σε θέση να βελτιώσουμε τους αλγόριθμους που χρησιμοποιούνται και να τους μετατρέψουμε σε ισχυρότερους, που θα μπορούν να βοηθήσουν τόσο τους ασθενείς όσο και τους ειδικούς ψυχικής υγείας να κάνουν πιο εύκολα διαγνώσεις και να απαλύνουν τον πόνο των ασθενών όσο το δυνατόν γρηγορότερα και ευκολότερα. Άλλωστε, η τεχνολογία αναπτύσσεται με σκοπό να γίνει βοήθημα για την κοινωνία μας και όχι πλήρης αντικαταστάτης μας.
ΕΝΔΕΙΚΤΙΚΕΣ ΠΗΓΕΣ
- Virtual humans can identify post-traumatic stress in soldiers, frontiersin.org, διαθέσιμο εδώ
- AI In Mental Health: Opportunities And Challenges In Developing Intelligent Digital Therapies, forbes.com, διαθέσιμο εδώ
- Kashif Hameed , Imran Sarwar Bajwa , Shabana Ramzan , Waheed Anwar and Akmal Khan, An Intelligent IoT Based Healthcare System Using Fuzzy Neural Networks, Department of Computer Science & IT, The Islamia University of Bahawalpur, Bahawalpur 63100, Pakistan -Department of Computer Science & IT, The Govt. Sadiq College Women University, Bahawalpur, Pakistan, 28 December 2020, hindawi.com, διαθέσιμο εδώ
- Tashfin Ansari, Awasthi G.K, Satyam Bhale, CHALLENGES AND POTENTIAL SOLUTIONS OF MODERN HEALTH CARE SYSTEM USING INTERNET OF THINGS, International Research Journal of Computer Science (IRJCS) Issue 03, Volume 08 (March 2021), 25 March 2021
