Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Les chercheurs expliquent comment les contrôleurs en ligne de sympt40me produisent des diagnostics et des suggestions probables

Vous êtes-vous récent tourné vers votre périphérique mobile ou ordinateur pour découvrir si votre toux, reniflement ou fièvre pourraient être provoqués par COVID-19 ?

Le contrôleur en ligne de sympt40me que vous avez employé a pu vous avoir informé que rester la maison et appeler votre fournisseur médical si les sympt40mes empirent, ou t'ont peut-être indiqué que vous pouvez être habilité au contrôle COVID-19. Mais pourquoi a-t-il émis la recommandation qu'il a faite ? Et comment devriez-vous savoir si vous pouvez l'espérer ?

Telles sont des questions que les chercheurs à l'université d'État de Penn des sciences de l'information et de la technologie ont récent explorées par un projet dans lequel ils ont augmenté les contrôleurs en ligne de sympt40me en offrant des explications de la façon dont le généré par le système son probable diagnostique et des suggestions -- tout en également étudiant les perceptions des usagers de ces recommandations.

Les « gens sont confondus au sujet de pourquoi les contrôleurs en ligne de sympt40me posent certaines questions et de la façon dont ils assurent des recommandations et des décisions, » ont dit Chun-Hua Tsai, professeur auxiliaire de recherches et premier auteur sur le rapport de recherche. « Ces interactions ne sont pas très transparentes, qui est EN BON ÉTAT si vous avez juste un rhume, mais avec COVID il pourrait être assez sérieux. »

Tsai a expliqué que les contrôleurs en ligne actuels de sympt40me, qui sont actionnés par des algorithmes d'apprentissage automatique, emploient l'information que les usagers fournissent pour guider le contrôleur dans ses prochaines opérations vers un diagnostic possible.

Cependant, le manque des systèmes motivés par l'AI de transparence et de langage compréhensible a pu avoir comme conséquence fortuit -- et potentiellement tragique -- des conséquences si un usager ne comprend pas entièrement les recommandations il fournit.

Par exemple, si un contrôleur en ligne de sympt40me recommandait simplement qu'un usager obtiennent déterminé COVID-19 basé sur l'entrée de l'usager, il pourrait entraîner l'inquiétude anormale ou les déclenchements inutiles à un équipement médical.

Réciproquement, si un usager appris d'un contrôleur en ligne de sympt40me qu'ils pourraient probablement avoir le coronavirus, il pourrait les aboutir pour prendre une décision médicale faible telle que prendre le médicament tout seuls au lieu de la demande de règlement médicale correcte de contrôle ou de rechercher.

L'explication dans des interactions de diagnostic médical met l'accent sur l'importance de la pragmatique. »

Jack Carroll, auteur d'étude et professeur distingué, sciences de l'information et technologie

Le travail de l'équipe a l'application possible au delà de COVID-19, a indiqué le GUI de Xinning, un professeur adjoint des sciences de l'information et de technologie et un collaborateur différent sur le projet.

« Même avant COVID-19, dizaines de millions de gens ont employé des contrôleurs de sympt40me auto-pour diagnostiquer ou auto-sélection pour de nombreux états de santé, » il a dit. « Cependant, peu d'attention est prêtée aux problèmes critiques tels que la légitimité, la sécurité, la confiance et la transparence du point de vue d'un usager. Notre travail est juste le début pour combler cette lacune. »

Dans leur travail, les chercheurs ont reproduit l'interaction d'un usager avec un contrôleur en ligne de sympt40me et ont ajouté des explications pour pourquoi le chatbot a posé certaines questions et la façon dont les recommandations ont été produites -- par exemple, si la suggestion était tirée des directives de centres pour le contrôle et la prévention des maladies.

« A basé sur ces explications, nos découvertes a prouvé que les usagers étaient plus confiants (dans l'exactitude du contrôleur de sympt40me) quand ils ont reçu ces recommandations, » ont dit Tsai.

« Les contrôleurs transparents de sympt40me pourraient être réellement utiles pour que les gens comprennent leur propre situation pour prendre une meilleure décision médicale. Potentiellement, ceci pourrait [aussi] soit un outil à employer en réponse à la crise universelle de santé publique que nous faisons face aujourd'hui. »

Dans leur étude, les chercheurs ont interviewé des usagers des contrôleurs en ligne de sympt40me pour comprendre si les explications amélioreraient leur expérience utilisateur et leur confiance dans les outils en ligne. Les entrevues ont fourni que des usagers sont souvent confondus par les questions que les chatbots posent et quels sympt40mes et information a mené au diagnostic et au conseil proposés.

« Pour les causes possibles a indiqué à moi, (le chatbot) ne me dit pas pourquoi mes sympt40mes ont une correspondance. Elle indique juste quelque chose d'une voie statistique, comme combien de gens pourraient avoir cette cause. Je pense le APP devrait montrer les rapports, comme expliquez pourquoi il pense que ceci pourrait être une cause possible, qui la remettent en cause ont demandé, et quelles réponses j'ai données m'ai abouti à ce diagnostic, » a indiqué un participant d'étude, comme publié dans le rapport de recherche.

Puis, les chercheurs ont conçu un contrôleur en ligne du sympt40me COVID-19 pour inclure trois types de types d'explication : basé sur raisonnement, fournissant une explication après chaque question le système introduit à l'usager ; caractéristique caractéristique, offrant un résumé personnalisé basé sur les réponses de l'usager ; et basé sur exemple, mettant en valeur un exemple identique d'un patient qui a reçu la même recommandation clinique que l'usager basé sur des réponses identiques.

Ils ont constaté que les explications non seulement pourraient de manière significative améliorer l'expérience utilisateur, mais également pourraient faciliter la prise de décision médicale et améliorer la confiance d'usager dans le diagnostic.

La « explication pourrait autoriser des consommateurs de santé pour prendre des décisions au courant, » a dit le GUI. « Sans explication au sujet de la façon dont les contrôleurs de sympt40me viennent aux résultats et à la preuve de soutien, les consommateurs de santé relèveront des défis en comprenant ou en espérant les résultats diagnostiques. »

Il a ajouté, « notre étude s'avère que cela la fourniture des explications adaptées peut aider des usagers mieux à interpréter les résultats et à prendre des décisions au courant. »

Les découvertes des chercheurs ont pu aviser le futur modèle des contrôleurs en ligne de sympt40me, aidant des usagers à diriger potentiellement un certain nombre d'éditions médicales au delà de COVID-19.

« Nos découvertes pourraient avancer le champ de recherche de systèmes de recommender de santé et AI explicable [artificial intelligence] en termes de santé personnelle, confiance de blondeur et d'usager, » a dit Tsai.

Source: