Vannak az ember életében nagyon fontos beszélgetések. Ezek utat mutatnak, megnyugtatnak, felzaklatnak, tájékozódunk belőlük, rengetegféleképp gyakorolnak hatást az életünkre. Ilyen beszélgetés az is, amikor az orvosunk vagy ápolónk közli velünk:

lehet, hogy ennyi volt, meg fogunk halni.

Kórházakban és idősgondozó intézményekben naponta több ezer ilyen beszélgetést is le kell folytatniuk a dolgozóknak, mégsem mindig sikerül megfelelő módon felkészíteni a betegeket arra, mi is vár rájuk. Nem ismeretlen jelenség a magyar egészségügyben sem, ahol eleve sok a panasz az orvos-beteg kommunikációra, a fenyegető halál közeledése pedig emberileg is annyira súlyos téma, hogy sokszor az orvos is minimalizálni szeretné az időt, amíg ezzel kell foglalkoznia.

A Vermonti Egyetem kutatói pont az ilyen beszélgetések megértésében szeretnének segíteni: tanuló algoritmusokkal elemeztek ki 354 beszélgetést a kezelők és a palliatív ellátásba lépő vagy már abban részesülő betegek között. A beszélgetések 231, áttétes rákban szenvedő, főleg 64 év fölötti beteg és 45 kezelő közt zajlottak. A kutatók a napokban jelentették meg eredményeiket a Patient Education and Counselling című szaklapban.

A rögzített beszélgetéseket a kutatás során szekciókra osztották és szekciónként és egyben is elemezték az elhangzó szavakat. Robert Gramling, a kutatás vezetője és a tanulmány szerzője egy december 9-közleményben azt írta, az ilyen elemzések elengedhetetlenek ahhoz, hogy jobban megismerjük a beszélgetések komplex természetét, ezen a területen ugyanis lényegében nincsenek mérhető adataink.

Hogy lenne mit mérni, arra pedig a tanulmány szerzői szerint éppen a mostani kutatás is bizonyítékot szolgáltat, ugyanis a beszélgetések egyénenként eltérő természete mellett számos olyan megállapítást is tehettek az algoritmusok segítségével, amik mindegyik beszélgetésre vagy legalább a beszélgetések túlnyomó többségére igazak. Ilyen például a beszélgetés íve: a tanulmány szerint a beszélgetések szinte mindig a helyzet leírásával kezdődtek, éppen ezért eleinte a múltidő és a negatív tartalmú szavak használata volt gyakoribb. Ez váltott át idővel a jövőidejű igékbe, és pozitívabb, reménytelibb szavak használatába.

„Jobban meg akarjuk érteni ezt a bonyolult dolgot, amit úgy hívunk, beszélgetés” - mondta Gramling. „Legfontosabb célunk, hogy elterjesszük a beszélgetések elemzését és mérhetőbbé tegyük a jellemzőiket annak érdekében, hogy javítsuk a kommunikációt az egészségügyi ellátásban.”

A kutatásvezető az Inverse magazinnak nyilatkozva arról beszélt, hogy a soron következő projekt a különböző beszélgetésminták és stratégiák elkülönítése és elemzése, hogy ebből kikövetkeztethessék,

milyen feleletek működnek a legjobban a kezelők részéről egy-egy adott szituációban.

Gramling szerint az, hogy beszélgetések terén nagyon kevés, tudományosan megalapozott és univerzális megállapítást tehetünk, éppen azt bizonyítja, hogy a területet sokkal jobban ki kell ismernünk. Adatokat gyűjteni a beszélgetésekről pedig kézzel és emberi aggyal végeláthatatlanul hosszadalmas lenne, ezt a munkát könnyítik meg az algoritmusok, amik a nüanszokra is sokkal inkább képesek figyelni.

A kutatók nem tartanak attól sem, hogy a tanuló algoritmusok használata morális aggályokat vethet fel egy ilyen, érzelmektől fűtött, és az emberi létezéssel szorosan összefüggő területen, mint amilyen a halálról szóló beszélgetések tanulmányozása.

Sheldon Solomon, a New York-i Skidmore College professzora, akinek kutatási területe az, hogy az emberek hogyan viszonyulnak a halálhoz, az Inverse-nek azt mondta, a mesterséges intelligencia szerinte valóban jó eszköz a terület kutatásához, ugyanis csak így lehet megfelelően kezelni és elemezni a kutatásonként keletkező rengeteg adatot, attól viszont tart, hogy a Vermonti Egyetem kutatói esetleg túl nagy szerepet tulajdonítanak a gép adatelemzésnek. Az ő véleménye az, hogy a terület bonyolultsága és az emberi létezéstől elválaszthatatlan volta miatt az adatelemzést ezekben a kutatásokban csak már meglévő feltevések igazolására vagy cáfolatára érdemes használni, céltalanul ráereszteni a beszélgetések során keletkezett rengeteg adatra, és mindent kielemeztetni vele viszont félrevezető lehet. Solomon szerint az algoritmusok használata önmagában egészen biztosan nem fog problémákat megoldani, ráadásul a halállal kapcsolatos gondolataink folyamatosan változnak is, ezekkel a változásokkal pedig egy másik ember, aki ugyanabban a társadalomban él, mint a beteg, még mindig könnyebben lépést tart, mint egy algoritmus, ami a beszélgetési minták időbeli változását sokkal nehézkesebben követi.

Gramling szerint ezek megalapozott fenntartások, de ezekre is a beszélgetések további, algoritmusokkal történő elemzése adhat megnyugtató választ, és a jövőben a kutatást ki lehetne terjeszteni más témájú beszélgetésekre is.

A tudományos sajtó azonban egyelőre keveset foglalkozott azzal a kérdéssel, hogy ugyan a betegeknek joguk kell legyen a lehető legteljesebb és legtapintatosabb tájékoztatást kapni az állapotukról, az ilyen beszélgetések lényegét mindkét oldalról az adja, hogy óriási a tét, és rendkívül súlyos a téma. Ha algoritmusok mondják majd meg, hogyan kell cselekednie a kezelőknek ezekben a beszélgetésben, éppen azt az emberi tényezőt veszítik el a betegek, ami olyan sokszor jelentheti számukra a kulcsot a megnyugváshoz. Vagy ha azt nem is, az ilyen beszélgetések a kezelő és a legtöbb beteg számára fontos ismeretanyagot tartalmaznak nemcsak az adott betegségről, de a másik félről, az emberi érzelmekről és a körülöttünk lévő világról is. Ha ezt is gépekre bízzuk, egy kicsit talán megint kényelmesebbé válik az életünk, de megint elveszítünk valami mélyen emberit, amit talán sok beteg is megőrizne még annak az árán is, hogy az orvos nem az algoritmus által diktált legtökéletesebb szavakat használja, amikor beszélget vele a betegségéről.