Οι επιστήμονες ανέπτυξαν ένα εργαλείο τεχνητής νοημοσύνης (AI) που έχει σχεδιαστεί για να βοηθά τους γιατρούς να εντοπίζουν ασθενείς που ενδέχεται να διατρέχουν κίνδυνο ενδοοικογενειακής βίας από σύντροφο (Intimate Partner Violence – IPV), ακόμη και χρόνια πριν τα θύματα ζητήσουν βοήθεια.
Ερευνητές στις Ηνωμένες Πολιτείες εκπαίδευσαν ένα μοντέλο μηχανικής μάθησης χρησιμοποιώντας δεδομένα που συλλέχθηκαν κατά τη διάρκεια τακτικών επισκέψεων σε νοσοκομεία. Η μελέτη δημοσιεύθηκε στο επιστημονικό περιοδικό Nature.
Η ενδοοικογενειακή βία από σύντροφο αφορά κακοποίηση από νυν ή πρώην συντρόφους και μπορεί να οδηγήσει σε σοβαρούς τραυματισμούς, χρόνιο πόνο και ψυχικές διαταραχές.
Γιατί πολλά θύματα περνούν απαρατήρητα
Σύμφωνα με έκθεση της Ευρωπαϊκής Επιτροπής, το 18% των γυναικών που είχαν ποτέ σύντροφο δήλωσαν ότι το 2021 είχαν βιώσει σωματική ή σεξουαλική βία από τον σύντροφό τους.
Σήμερα, ο έλεγχος για περιστατικά ενδοοικογενειακής βίας στα νοσοκομεία βασίζεται συνήθως σε ερωτήσεις που κάνουν οι γιατροί στους ασθενείς σχετικά με το αν αισθάνονται ασφαλείς στο σπίτι τους. Ωστόσο, πολλά θύματα δεν αποκαλύπτουν την κακοποίηση λόγω φόβου, κοινωνικού στίγματος ή ανησυχιών για την ασφάλειά τους, με αποτέλεσμα πολλές περιπτώσεις να περνούν απαρατήρητες.
Πώς εκπαιδεύτηκε το σύστημα
Η ερευνητική ομάδα χρησιμοποίησε δεδομένα πολλών ετών από περίπου 850 γυναίκες που είχαν υποστεί βία από τον σύντροφό τους και από περισσότερους από 5.200 ασθενείς παρόμοιας ηλικίας σε μια ομάδα ελέγχου, προκειμένου να δημιουργήσει τρία διαφορετικά συστήματα τεχνητής νοημοσύνης και να εξετάσει πόσο αποτελεσματικά η τεχνολογία αυτή μπορεί να εντοπίσει άτομα που διατρέχουν κίνδυνο.
Το πρώτο σύστημα ανέλυσε δομημένα δεδομένα νοσοκομείου, όπως η ηλικία, το ιατρικό ιστορικό και άλλες βασικές πληροφορίες των ασθενών. Το δεύτερο εξέτασε γραπτές ιατρικές σημειώσεις, συμπεριλαμβανομένων των παρατηρήσεων των γιατρών και των ακτινολογικών εκθέσεων. Το τρίτο σύστημα συνδύασε και τους δύο αυτούς τύπους πληροφοριών.
Και τα τρία μοντέλα είχαν υψηλές επιδόσεις, όμως το συνδυαστικό σύστημα αποδείχθηκε το πιο ακριβές, εντοπίζοντας σωστά τον κίνδυνο στο 88% των περιπτώσεων.
Το εργαλείο μπόρεσε επίσης να επισημάνει πιθανή κακοποίηση πάνω από τρία χρόνια πριν από τη στιγμή που πολλοί ασθενείς κατέληξαν αργότερα σε προγράμματα παρέμβασης για την ενδοοικογενειακή βία μέσα στα νοσοκομεία.
Μέσω της ταυτόχρονης ανάλυσης μεγάλου όγκου νοσοκομειακών δεδομένων, το νέο σύστημα τεχνητής νοημοσύνης μπορεί να εντοπίσει μοτίβα σωματικών τραυματισμών που συνδέονται με κακοποίηση και να επισημάνει ασθενείς των οποίων τα ιατρικά ιστορικά μοιάζουν με αυτά που παρατηρούνται σε επιβεβαιωμένες περιπτώσεις κακοποίησης, επιτρέποντας έτσι στους επαγγελματίες υγείας να παρέμβουν νωρίτερα.
Οι ερευνητές επισημαίνουν ότι η τεχνολογία έχει σχεδιαστεί για να υποστηρίζει τους γιατρούς και όχι να αντικαθιστά την κρίση τους. Δεν διαγιγνώσκει κακοποίηση ούτε αναγκάζει τους ασθενείς να αποκαλύψουν πληροφορίες. Αντίθετα, παρέχει μια ένδειξη που μπορεί να βοηθήσει τους γιατρούς να προσεγγίσουν το θέμα με προσοχή και να προσφέρουν υποστήριξη όπου χρειάζεται.
Οι ερευνητές σχεδιάζουν να ενσωματώσουν την τεχνολογία στα ηλεκτρονικά συστήματα ιατρικών φακέλων, ώστε τα νοσοκομεία να μπορούν να λαμβάνουν αξιολογήσεις κινδύνου σε πραγματικό χρόνο κατά τη διάρκεια της συνήθους ιατρικής φροντίδας.
Με πληροφορίες από euronews.com
