Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

Os pesquisadores explicam como os verificadores em linha do sintoma geram diagnósticos e sugestões prováveis

Você tem girado recentemente para seu dispositivo móvel ou computador para encontrar se sua tosse, fungada ou febre poderiam ser causadas por COVID-19?

O verificador que em linha do sintoma você se usou pode tê-lo recomendado que ficar a HOME e chamar seu fornecedor médico se os sintomas se agravam, ou talvez lhe disseram que você pode ser elegível para o teste COVID-19. Mas por que fez a recomendação que fez? E como deve você saber se você pode o confiar?

Aquelas são as perguntas que os pesquisadores na faculdade de Penn State das ciências da informação e da tecnologia exploraram recentemente com um projecto em que aumentaram verificadores em linha do sintoma oferecendo explicações de como o sistema gerou seus diagnósticos e sugestões prováveis -- ao igualmente estudar as percepções dos usuários daquelas recomendações.

Os “povos são confundidos sobre porque os verificadores em linha do sintoma fazem determinadas perguntas e como fazem determinadas recomendações e decisões,” disseram Chun-Hua Tsai, professor assistente da pesquisa e primeiro autor no artigo de investigação. “Estas interacções não são muito transparentes, que é APROVADO se você apenas tem uma constipação comum, mas com COVID poderia ser consideravelmente sério.”

Tsai explicou que os verificadores em linha actuais do sintoma, que são postos por algoritmos de aprendizagem da máquina, usam a informação que os usuários fornecem para guiar o verificador em seus passos seguintes para um diagnóstico possível.

Contudo, a falta dos sistemas AI-conduzidos da transparência e da língua compreensível podia conduzir a sem intenção -- e potencial trágico -- conseqüências se um usuário não compreende inteiramente as recomendações fornece.

Por exemplo, se um verificador em linha do sintoma recomendou simplesmente que um usuário obtem testado para COVID-19 baseado na entrada do usuário, poderia causar a preocupação imprópria ou viagens desnecessárias a uma facilidade médica.

Inversamente, se um usuário aprendido de um verificador em linha que poderiam possivelmente ter o coronavirus, ele do sintoma poderia os conduzir para fazer uma decisão médica deficiente tal como a tomada da medicamentação no seus próprias em vez do tratamento médico apropriado do teste ou procurar.

A explicação em interacções do diagnóstico médico sublinha a importância da pragmática.”

Jack Carroll, autor do estudo e distinto professor, ciências da informação e tecnologia

O trabalho da equipe tem a aplicação potencial além de COVID-19, disse o GUI de Xinning, o professor adjunto das ciências da informação e da tecnologia e um outro colaborador no projecto.

“Mesmo antes de COVID-19, dez de milhões de povos usaram verificadores do sintoma auto-para diagnosticar ou auto-triagem para normas sanitárias numerosas,” disse. “Contudo, pouca atenção é pagada aos assuntos críticos tais como a legalidade, a segurança, a confiança e a transparência da perspectiva de um usuário. Nosso trabalho é apenas o começo para encher esta diferença.”

Em seu trabalho, os pesquisadores reproduziram a interacção de um usuário com um verificador em linha do sintoma e adicionaram explicações para porque o chatbot fez determinadas perguntas e como as recomendações foram geradas -- por exemplo, se a sugestão foi seleccionada das directrizes dos centros para o controlo e prevenção de enfermidades.

“Baseou nestas explicações, nossos resultados mostrou que os usuários estavam mais seguros (na precisão do verificador do sintoma) quando receberam estas recomendações,” disseram Tsai.

“Os verificadores transparentes do sintoma poderiam ser realmente úteis para que os povos compreendam sua própria situação para fazer uma decisão médica melhor. Potencial, isto poderia [também] seja uma ferramenta a usar-se na resposta à crise de saúde pública pandémica que nós estamos enfrentando hoje.”

Em seu estudo, os pesquisadores entrevistaram usuários de verificadores em linha do sintoma para compreender se as explicações melhorariam sua experiência do usuário e sua confiança nas ferramentas em linha. As entrevistas renderam que os usuários estão confundidos frequentemente pelas perguntas que os chatbots fazem e que sintomas e informação conduziu ao diagnóstico e ao conselho sugeridos.

“Para as causas possíveis alistou-me, (o chatbot) não me diz porque meus sintomas têm um fósforo. Apenas diz algo em uma maneira estatística, como quantos povos puderam ter esta causa. Eu penso o app deve mostrar as relações, como explique porque pensa que esta pôde ser uma causa possível, que a questionam pediram, e que respostas eu dei me conduzi a este diagnóstico,” disse um participante da avaliação, como publicado no artigo de investigação.

Então, os pesquisadores projectaram um verificador em linha do sintoma COVID-19 incluir três tipos de estilos da explicação: base-baseado, fornecendo uma explicação após cada pergunta o sistema promovido ao usuário; característica-baseado, oferecendo um sumário personalizado baseado nas respostas do usuário; e exemplo-baseado, destacando um exemplo idêntico de um paciente que recebesse a mesma recomendação clínica que o usuário baseado em respostas idênticas.

Encontraram que as explicações não somente poderiam significativamente melhorar a experiência do usuário, mas igualmente puderam facilitar a tomada de decisão médica e melhorar a confiança do usuário no diagnóstico.

A “explicação poderia autorizar consumidores da saúde para fazer decisões informado,” disse o GUI. “Sem explicação sobre como os verificadores do sintoma vêm aos resultados e à evidência do sustentamento, os consumidores da saúde enfrentarão desafios em compreender ou em confiar os resultados diagnósticos.”

Adicionou, “nosso estudo prova que isso fornecer explicações apropriadas pode ajudar usuários melhor a interpretar os resultados e a fazer decisões informado.”

Os resultados dos pesquisadores podiam informar o projecto futuro de verificadores em linha do sintoma, ajudando usuários a navegar potencial um número de edições médicas além de COVID-19.

“Nossos resultados poderiam avançar a área de pesquisa de sistemas do recommender da saúde e AI explicável [inteligência artificial] em termos dos cuidados médicos pessoais, confiança da equidade e do usuário,” disse Tsai.

Source: