Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

I ricercatori spiegano come i controllori online di sintomo generano le diagnosi ed i suggerimenti probabili

Recentemente vi siete girato verso il vostro dispositivo mobile o computer per scoprire se la vostro tosse, aspirare con naso o febbre potessero essere causati da COVID-19?

Il controllore online di sintomo avete usato può consigliarvi che restare la casa e chiamare il vostro fornitore medico se i sintomi peggiorano, o forse vi hanno detto che potete essere ammissibile per la prova COVID-19. Ma perché ha fatto la raccomandazione che ha fatto? E come dovreste sapere se potete fidarselo?

Quelle sono domande che ricercatori all'istituto universitario di Penn State delle scienze e tecnologie di informazioni recentemente esplorate con un progetto in cui hanno aumentato i controllori online di sintomo offrendo le spiegazioni di come il sistema ha generato le sui diagnosi e suggerimenti probabili -- mentre però studiando le percezioni degli utenti di quelle raccomandazioni.

“La gente è confusa circa perché i controllori online di sintomo fanno determinate domande e come prendono le determinate raccomandazioni e decisioni,„ ha detto Chun-Hua Tsai, professore di aiuto della ricerca e primo autore sulla pubblicazione. “Queste interazioni non sono molto trasparenti, che è GIUSTO se avete appena un raffreddore, ma con COVID potrebbe essere abbastanza serio.„

Tsai ha spiegato che i controllori online correnti di sintomo, che sono alimentati dagli algoritmi di apprendimento automatico, usano le informazioni che gli utenti forniscono per guidare il controllore ai sui punti seguenti verso una diagnosi possibile.

Tuttavia, la mancanza dei sistemi AI guidati di trasparenza e di linguaggio comprensibile ha potuto provocare non intenzionale -- e potenzialmente tragico -- conseguenze se un utente completamente non capisce le raccomandazioni fornisce.

Per esempio, se un controllore online di sintomo raccomandasse semplicemente che un utente ottenesse provato a COVID-19 basato sull'input dell'utente, potrebbe causare la preoccupazione eccessiva o gli scatti inutili ad una funzione medica.

Per contro, se un utente imparato da un controllore online che potrebbero possibilmente avere il coronavirus, di sintomo potesse piombo per prendere una decisione medica difficile come cattura del farmaco da sè invece del trattamento medico adeguato di ricerca o di prove.

La spiegazione nelle interazioni di diagnosi medica sottolinea l'importanza della pragmatica.„

Jack Carroll, autore di studio ed il professor distinto, scienze e tecnologie di informazioni

Il lavoro del gruppo ha applicazione potenziale oltre COVID-19, ha detto il GUI di Xinning, l'assistente universitario delle scienze e tecnologie di informazioni e un altro collaboratore sul progetto.

“Anche prima di COVID-19, decine di milioni di gente ha usato i controllori di sintomo auto-per diagnosticare o auto-valutazione per i numerosi stati di salute,„ ha detto. “Tuttavia, poca attenzione è pagata alle questioni critiche quali la legittimità, la sicurezza, la fiducia e la trasparenza dalla prospettiva di un utente. Il nostro lavoro è appena l'inizio colmare questa lacuna.„

Nel loro lavoro, i ricercatori hanno riprodotto l'interazione di un utente con un controllore online di sintomo ed hanno aggiunto le spiegazioni per perché il chatbot ha fatto determinate domande e come le raccomandazioni sono state generate -- per esempio, se il suggerimento fosse ricavato dalle linee guida di centri per il controllo e la prevenzione delle malattie.

“Ha basato su queste spiegazioni, i nostri risultati ha indicato che gli utenti erano più sicuri (nell'accuratezza del controllore di sintomo) quando hanno ricevuto queste raccomandazioni,„ hanno detto Tsai.

“I controllori trasparenti di sintomo potrebbero essere realmente utili affinchè la gente capiscano la loro propria situazione per prendere una migliore decisione medica. Potenzialmente, questo potrebbe [anche] è uno strumento da usare nel rispondere alla crisi di salute pubblica pandemica che stiamo affrontando oggi.„

Nel loro studio, i ricercatori hanno intervistato gli utenti dei controllori online di sintomo per capire se le spiegazioni migliorassero la loro esperienza utente e la loro fiducia negli strumenti online. Le interviste hanno reso che gli utenti sono confusi spesso dalle domande che i chatbots fanno e quali sintomi ed informazioni piombo alla diagnosi ed al consiglio suggeriti.

“Per le cause possibili ha quotato a me, (il chatbot) mi non dice perché i miei sintomi hanno una corrispondenza. Dice appena qualcosa in un modo statistico, come quanta gente potrebbe avere questa causa. Penso il app dovrebbe mostrare le relazioni, come spieghi perché pensa che questa potrebbe essere una causa possibile, che la mettono in discussione hanno chiesto e quale risposte ho dato piombo me a questa diagnosi,„ ha detto un partecipante di indagine, come pubblicato nella pubblicazione.

Poi, i ricercatori hanno progettato un controllore online di sintomo COVID-19 per comprendere tre tipi di stili di spiegazione: basato a spiegazione, fornendo una spiegazione dopo ogni domanda il sistema promosso all'utente; basato a funzionalità, offrendo un riassunto personale basato sulle risposte dell'utente; e basato a esempio, evidenziando un esempio identico di un paziente che ha ricevuto la stessa raccomandazione clinica dell'utente basato sulle risposte identiche.

Hanno trovato che le spiegazioni non solo potrebbero migliorare significativamente l'esperienza utente, ma anche potrebbero facilitare il processo decisionale medico e migliorare la fiducia dell'utente nella diagnosi.

“La spiegazione potrebbe autorizzare i consumatori di salubrità per prendere le decisioni informate,„ ha detto il GUI. “Senza spiegazione circa come i controllori di sintomo vengono ai risultati ed alla prova di sostegno, i consumatori di salubrità affronteranno le sfide nella comprensione o nel fidarsi dei risultati diagnostici.„

Ha aggiunto, “il nostro studio risulta che quello fornire le spiegazioni adatte può guidare gli utilizzatori meglio interpretare i risultati e prendere le decisioni informate.„

I risultati dei ricercatori hanno potuto informare la progettazione futura dei controllori online di sintomo, guidante gli utilizzatori potenzialmente traversare una serie di emissioni mediche oltre COVID-19.

“I nostri risultati potrebbero avanzare l'area di ricerca dei sistemi del recommender di salubrità ed AI spiegabile [intelligenza artificiale] in termini di sanità personale, fiducia dell'utente e di imparzialità,„ ha detto Tsai.

Source: