Tânia Rêgo / Agência Brasil
Seorang “detektif AI” melakukan hal yang sangat sederhana: kita memberinya satu blok teks dan dia memberi tahu kita apakah cedera yang digambarkan di sana kemungkinan besar berasal dari kekerasan atau tidak.
Kekerasan terkadang tersembunyi di depan mata, terutama di ruang gawat darurat rumah sakit yang sibuk.
Antara kekacauan tim yang lelah dan kelebihan beban dan keengganan korban Secara umum, kekerasan dan agresi berbasis gender sering terjadi tanpa disadari.
Sistem Kecerdasan Buatan baru, yang dikembangkan di Italia, kini bertujuan untuk mengatasi kelemahan ini dan, pada pengujian pertama, sudah berhasil mengidentifikasi ribuan lesi yang dimiliki oleh para profesional kesehatan di negara tersebut diberi label yang salah.
Proyek tersebut adalah a upaya interdisipliner yang melibatkan Universitas Turin, unit kesehatan setempat ASL TO3 dan Rumah Sakit Mauriziano. Koordinasi bertanggung jawab Daniele Radicioniprofesor ilmu komputer di Universitas Turin.
“Sistem kami melakukan sesuatu yang sangat sederhana: kami memberikannya satu blok teks dan ia memberi tahu kami apakah cedera tersebut dijelaskan di sana kemungkinan besar berasal dari kekerasan atau tidak”, Radicioni menjelaskan kepada Sains ZME.
Tim memiliki akses ke ckumpulan data yang sangat besar: 150 juta pendaftaran darurat dari Istituto Superiore di Sanità (ISS) dan lebih dari 350 juta dari Rumah Sakit Mauritian.
Tujuannya adalah ajarkan komputer untuk membaca “catatan penyaringan” — penilaian klinis tatap muka yang ditulis oleh perawat dan dokter. Sistem tidak menggunakan gambar medis: hanya berfungsi dengan catatan ini.
Masalahnya adalah itu Catatan ini tidak terorganisir. Mereka bervariasi dari satu rumah sakit ke rumah sakit lainnya dan penuh singkatan, kesalahan ketik dan jargon klinis. Untuk menafsirkannya, para peneliti melatih beberapa arsitektur AI, termasuk model khusus yang disebut BERTino.
BERTino telah dilatih sebelumnya khusus untuk bahasa Italia. Ini lebih ringan dan lebih cepat dibandingkan model skala besar seperti GPT, sehingga cocok untuk komputer rumah sakit dengan sumber daya terbatas.
Berbeda dengan sistem lama, yang biasanya membatasi diri pada pencarian kata kunci, seperti “pukulan” atau “pukulan”, Model ini menggunakan apa yang para ilmuwan sebut sebagai “mekanisme perhatian” : menganalisis struktur kalimat secara keseluruhan hingga memahami konteksnyamisalnya membedakan antara “ditabrak mobil” (kecelakaan) dan “ditabrak pasangan” (kekerasan).
Kesenjangan dalam data
Pada awal penelitian, peneliti memperhatikan a perbedaan yang aneh. Dalam database nasional (ISS), sekitar 3,6% cedera ditandai sebagai kekerasan. Namun, di Rumah Sakit Mauriziano, di Turin, nilai ini anjlok menjadi hanya 0,2%.
Akankah Turin menjadi kota yang jauh lebih aman — Atau ada sesuatu yang hilang??
Itu adalah tempat pengujian yang bagus. Tim tersebut menerapkan AI pada hampir 360.000 catatan rumah sakit yang diklasifikasikan sebagai “tanpa kekerasan” untuk melihat apakah algoritme mendeteksi apa yang terjadi. manusia belum terdeteksi.
Hasilnya meresahkans: sistem menandai 2.085 catatan sebagai berpotensi melakukan kekerasan. Ketika para peneliti menganalisisnya secara manual, mereka mengonfirmasi bahwa 2.025 memang benar-benar merupakan cedera akibat kekerasan.
“Wahai Rumah Sakit Mauriziano tbekerja sangat efektif dalam mencegah” Kata Radicioni. “Oleh karena itu, rendahnya angka tersebut mungkin disebabkan oleh fakta bahwa beberapa kekerasan dapat dihindari.”
Namun, masih kurangnya deteksi dan pelaporan kekerasan yang terjadi, kata para penulis penelitian. Kurangnya deteksi ini umum terjadi pada kekerasan dalam rumah tangga.
Terkenal sulit untuk diidentifikasi
Menurut data terbaru dari Institut Statistik Nasional Italia (ISTAT), saja 13,3% perempuan yang mengalami kekerasan melaporkannyadan persentase ini turun menjadi 3,8% jika penyerangnya adalah mitra saat ini.
Perempuan jarang mengungkapkan kekerasan yang dialami oleh pasangannya bergantung pada mereka secara finansialtakut akan pembalasan atau merasa malu. Mereka juga bisaeecear disalahkan — sebuah masalah yang masih menjadi masalah besar di banyak negara.
Selain mendeteksi kekerasan, Kecerdasan Buatan juga menunjukkan potensinya mengidentifikasi siapa penyebabnya. Dalam tugas terpisah, model mencoba mengklasifikasikan agresor, membedakan antara pasangan, anggota keluarga, atau pencuri.
A IA membedakan siapa yang menyebabkan cedera dengan memperlakukan “prediksi agresor” seperti a tugas klasifikasi independen.
Setelah suatu rekaman diidentifikasi sebagai rekaman kekerasan, model akan menganalisis ulang teks tersebut menugaskan pelaku ke salah satu dari delapan kategori tertentu. Jika catatan tersebut bertuliskan “diserang oleh suami”, sistem akan mengaitkannya dengan kategori tersebut Pasangan/Pasangan. Jika teks menggambarkan perampokan, klasifikasikan pelakunya sebagai Pencuri.
Tampaknya ini tidak menambahkan sesuatu yang baru, tetapi AI menemukan kasus-kasus yang baru ditandai sebagai “tanpa kekerasan”, bahkan ketika teks ditulis dalam pemutaran film mengandung tanda-tanda kekerasan yang jelas.
Jika catatan itu berbunyi: “Pasien terjatuh dari tangga“, tapi orang tersebut justru didorong dan tidak memberitahu siapa pun, AI tidak punya cara untuk mendeteksinya. Tapi jika di catatan tertulis:”Pasien melaporkan agresi yang dilakukan suaminya” dan bahkan jika kasus tersebut diberi label sebagai “kecelakaan”, AI akan mendeteksinya.
Jenis kesalahan ini sangat sering terjadi.
Mengidentifikasi sumber cedera sangatlah penting, karena kekerasan fisik merupakan indikator yang kuat eskalasi. “Sebagian besar perempuan yang akhirnya terbunuh sebelumnya pernah dirawat di unit gawat darurat karena episode kekerasan”, Radicioni menyoroti. Identifikasi kasus-kasus ini sejak dini benar-benar dapat menyelamatkan nyawa.
