هوش مصنوعی که قربانیان خاموش خشونت خانگی را شناسایی میکند
هر سال میلیونها نفر در ایالات متحده خشونت خانگی را تجربه میکنند. این نوع خشونت به سوءاستفاده از سوی همسران یا خانواده اشاره دارد و میتواند به جراحات تهدیدکننده زندگی، درد مزمن و مشکلات سلامت روان منجر شود. بسیاری از افراد تجربه خود را با ارائهدهندگان خدمات درمانی در میان نمیگذارند.
به گزارش نشریه مرکز سلامت (National Institutes of Health)، ابزارهای غربالگری موجود تنها بخش کوچکی از موارد خشونت خانگی را شناسایی میکنند و اغلب به خوداظهاری بیماران وابستهاند. شناسایی زودهنگام این موارد امکان مداخله بهموقع برای جلوگیری از پیامدهای بلندمدت سلامت را فراهم میکند.
یک تیم پژوهشی با بودجه «موسسه سلامت» (NIH) و به رهبری دکتر «بهارتی خورانا» (Bharti Khurana) از مرکز درمانی «مس جنرال برایگم» (Mass General Brigham) یک ابزار هوش مصنوعی برای پیشبینی بیماران در معرض خطر خشونت خانگی را توسعه و آزمایش کرده است. شرح و ارزیابی این ابزار در ۱۳ مارس ۲۰۲۶ در نشریه (npj Women’s Health) منتشر شد.
پژوهشگران از نوعی هوش مصنوعی به نام «یادگیری ماشین» برای توسعه سه مدل رایانهای استفاده کردند که قادر به پیشبینی «خشونت خانگی» بودند. این مدلها با استفاده از پروندههای الکترونیک سلامت ۸۴۱ بیمار ثبتنامشده در یک مرکز مداخله و پیشگیری از خشونت خانگی ساخته شدند. برای مقایسه، پروندههای ۵٬۲۱۲ بیمار دیگر با سن و پیشزمینه مشابه که خشونت خانگی نداشتند نیز بررسی شد. یک مدل از دادههای ساختاریافته بیماران در قالب جدول استفاده میکرد، مدل دوم از دادههای غیرساختاریافته یادداشتهای پزشکی، و مدل سوم هر دو نوع داده را ترکیب میکرد.
مسئول تیم پژوهشی میگوید: «با تحلیل الگوهایی که از پیش در دادههای سلامت وجود دارند، این رویکرد به پزشکان کمک میکند تا گفتوگوهای زودتر، ایمنتر و آگاهانهتری با بیماران آغاز کنند. هدف هرگز اجبار به افشاگری نیست، بلکه کمک به پزشکان برای برقراری ارتباط حمایتی با بیماران و وصل کردن آنها به منابع و خدمات حمایتی است.»
پژوهشگران ۸۰ درصد دادهها را برای آموزش مدلها و ۲۰ درصد باقیمانده را برای آزمون دقت آنها به کار بردند. هر سه مدل بیش از ۸۰ درصد دقت داشتند و مدل ترکیبی با دقت ۸۸ درصد بهترین عملکرد را نشان داد. بهطور متوسط، مدلهای جدولمحور و ترکیبی میتوانستند بیش از سه سال پیش از آنکه بیمار برای خشونت خانگی کمک بخواهد، خطر را شناسایی کنند.
این تیم دقت مدلها را در سه گروه بیمار دیگر نیز تایید کرد. مدل ترکیبی همچنان بهترین عملکرد را داشت و دقت آن بین ۸۲ تا ۸۸ درصد بود.
بر اساس یافتههای مدلها، مشکلات سلامت روان، درد قفسه سینه و مصرف مسکنها با افزایش خطر خشونت خانگی مرتبط بودند. همچنین محرومیت اجتماعی بالا و انجام مکرر آزمایشهای تصویربرداری پزشکی نیز با خطر بیشتر همراه بود. در مقابل، بیمارانی که بهطور منظم از خدمات پیشگیرانه مانند «ماموگرافی» (Mammogram) و غربالگری سرطان دهانه رحم استفاده میکردند، خطر کمتری داشتند. پژوهشگران این موضوع را به دسترسی بهتر این بیماران به خدمات درمانی و راحتی بیشتر آنها در مراجعه منظم به مراکز پزشکی نسبت دادند.
پژوهشگران تاکید کردند که این مدل باید پیش از استفاده در محیطهای بالینی، در جمعیتهای عمومیتر نیز ارزیابی شود. آنها همچنین خاطرنشان کردند که این مدل برای «تشخیص» خشونت خانگی طراحی نشده است؛ بلکه هدف آن کمک به ارائهدهندگان خدمات درمانی برای شناسایی بیمارانی است که ممکن است از گفتوگو درباره خشونت خانگی و منابع حمایتی مرتبط بهرهمند شوند.
مسئول تیم پژوهشی میگوید: «با تحلیل الگوهایی که از پیش در دادههای سلامت وجود دارند، این رویکرد به پزشکان کمک میکند تا گفتوگوهای زودتر، ایمنتر و آگاهانهتری با بیماران آغاز کنند. هدف هرگز اجبار به افشاگری نیست، بلکه کمک به پزشکان برای برقراری ارتباط حمایتی با بیماران و وصل کردن آنها به منابع و خدمات حمایتی است.»
انتهای پیام/
