Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

Los investigadores explican cómo los verificadores en línea del síntoma generan diagnosis y sugerencias probables

¿Usted ha girado recientemente a su dispositivo movible o computador para descubrir si su tos, respiración ruidosa o fiebre se podrían causar por COVID-19?

El verificador en línea del síntoma que usted utilizó pudo haber aconsejadole que tirante el hogar y llamar su proveedor médico si los síntomas empeoran, o quizás le informaran que usted puede ser elegible para la prueba COVID-19. ¿Pero por qué hizo la recomendación que lo hizo? ¿Y cómo debe usted saber si usted puede confiarlo en?

Ésas son las preguntas que los investigadores en la universidad del Estado de Penn de las ciencias y de la tecnología de la información exploraron recientemente con un proyecto en el cual aumentaron a verificadores en línea del síntoma ofreciendo explicaciones de cómo el generado del sistema su probable diagnostica y las sugerencias -- mientras que también estudia las opiniones de los utilizadores de esas recomendaciones.

Confunden a la “gente sobre porqué los verificadores en línea del síntoma hacen ciertas preguntas y cómo toman ciertas recomendaciones y decisiones,” dijo a Chun-Hua Tsai, profesor auxiliar de la investigación y primer autor en el trabajo de investigación. “Estas acciones recíprocas no son muy transparentes, que es ACEPTABLE si usted apenas tiene un frío común, pero con COVID podría ser bastante serio.”

Tsai explicó que los verificadores en línea actuales del síntoma, que son movidos por motor por algoritmos de aprendizaje de máquina, utilizan la información que los utilizadores ofrecen para conducir al verificador en sus pasos siguientes hacia una diagnosis posible.

Sin embargo, la falta de los sistemas AI-impulsados de diapositiva y de lenguaje comprensible podía dar lugar a involuntario -- y potencialmente trágico -- las consecuencias si un utilizador no entiende completo las recomendaciones ofrece.

Por ejemplo, si un verificador en línea del síntoma recomendó simple que un utilizador consigue probado para COVID-19 basado en la entrada del utilizador, podría causar la preocupación indebida o viajes innecesarios a una instalación médica.

Inversamente, si un utilizador aprendido de un verificador en línea que podrían posiblemente tener el coronavirus, él del síntoma podría llevarlos para tomar una decisión médica pobre tal como tomar la medicación en sus la propio en vez del tratamiento médico apropiado de la prueba o el buscar.

La explicación en acciones recíprocas del diagnóstico médico acentúa la importancia de la pragmática.”

Jack Carroll, autor del estudio y profesor distinguido, ciencias de la información y tecnología

El trabajo de las personas tiene uso potencial más allá de COVID-19, dijo el GUI de Xinning, el profesor adjunto de las ciencias de la información y de la tecnología y a otro colaborador en el proyecto.

“Incluso antes de COVID-19, decenas de millares de personas han utilizado a verificadores del síntoma uno mismo-para diagnosticar o uno mismo-clasificación para las condiciones de salud numerosas,” ella dijo. “Sin embargo, poca atención se presta a los asuntos críticos tales como legitimidad, seguro, confianza y diapositiva de la perspectiva de un utilizador. Nuestro trabajo es apenas el comienzo para llenar este entrehierro.”

En su trabajo, los investigadores reprodujeron la acción recíproca de un utilizador con un verificador en línea del síntoma y agregaron las explicaciones para porqué el chatbot hizo ciertas preguntas y cómo las recomendaciones fueron generadas -- por ejemplo, si la sugerencia fue extraída de pautas de los centros para el control y prevención de enfermedades.

“Basó en estas explicaciones, nuestras conclusión mostró que los utilizadores se sentían más confiados (en la exactitud del verificador del síntoma) cuando recibieron estas recomendaciones,” dijeron a Tsai.

Los “verificadores transparentes del síntoma podrían ser realmente útiles para que la gente entienda su propia situación para tomar una mejor decisión médica. Potencialmente, esto podría [también] sea una herramienta a utilizar en respuesta a la crisis de salud pública pandémica que estamos haciendo frente hoy.”

En su estudio, los investigadores entrevista a los utilizadores de los verificadores en línea del síntoma para entender si las explicaciones perfeccionarían su experiencia del utilizador y su confianza en las herramientas en línea. Las entrevistas rindieron que las preguntas confunden a los utilizadores a menudo que los chatbots hacen y qué síntomas e información llevó a la diagnosis y al consejo sugeridos.

“Para las causas posibles enlistó a mí, (el chatbot) no me informa porqué mis síntomas tienen un fósforo. Apenas dice algo de una manera estadística, como cuánta gente pudo tener esta causa. Pienso el app debe mostrar las relaciones, como explique porqué piensa que esto pudo ser una causa posible, que la preguntan pidieron, y qué respuestas di me he llevado a esta diagnosis,” dijo a un participante del levantamiento topográfico, según lo publicado en el trabajo de investigación.

Entonces, los investigadores diseñaron a un verificador en línea del síntoma COVID-19 para incluir tres tipos de estilos de la explicación: análisis-basado, ofreciendo una explicación después de cada pregunta el sistema ascendido al utilizador; característica-basado, ofreciendo un resumen personalizado basado en las respuestas del utilizador; y ejemplo-basado, destacando un ejemplo idéntico de un paciente que recibió la misma recomendación clínica que el utilizador basado en respuestas idénticas.

Encontraron que las explicaciones no sólo podrían perfeccionar importante la experiencia del utilizador, pero también podrían facilitar la toma de decisión médica y perfeccionar confianza del utilizador en la diagnosis.

La “explicación podría autorizar a consumidores de la salud para tomar decisiones informadas,” dijo el GUI. “Sin la explicación sobre cómo los verificadores del síntoma vienen a los resultados y a las pruebas del apuntalamiento, los consumidores de la salud harán frente a retos en comprender o confiar en los resultados diagnósticos.”

Ella agregó, “nuestro estudio prueba que eso ofrecer explicaciones convenientes puede ayudar a utilizadores mejor a interpretar los resultados y a tomar decisiones informadas.”

Las conclusión de los investigadores podían informar al diseño futuro verificadores en línea del síntoma, ayudando a utilizadores potencialmente a navegar varias entregas médicas más allá de COVID-19.

“Nuestras conclusión podrían avance el área de investigación de los sistemas del recommender de la salud y AI explicable [inteligencia artificial] en términos de atención sanitaria personal, confianza de la imparcialidad y del utilizador,” dijo a Tsai.

Source: