Forscher der School of Clinical Medicine an der University of New South Wales haben mithilfe des maschinellen Lernens (ML) genauere Vorhersagen über Selbstverletzungen und Selbstmord bei Jugendlichen entwickelt.
Die psychische Gesundheit von Jugendlichen hat sich weltweit verschlechtert, und die australischen Statistiken spiegeln die Situation in vielen anderen Gesellschaften wider. Selbstmord ist die häufigste Todesursache bei Australiern im Alter zwischen 15 und 24 Jahren.
Bisherige Prädiktoren wie frühere Selbstverletzungen oder Selbstmordversuche haben sich als nur geringfügig effektiver erwiesen als das Verlassen auf den Zufall. Das neue Prognosemodell der Forscher entwickelten mit ML ist wesentlich effektiver.
Der Datensatz umfasste Rückmeldungen aus Fragebögen und Interviews mit 2.809 jugendlichen Teilnehmern der Longitudinal Study of Australian Children.
Von den Teilnehmern gaben 5,2% an, in den letzten 12 Monaten mindestens einen Selbstmordversuch unternommen zu haben, und 10,5% berichteten von Selbstverletzungen.
Durch den Einsatz von maschinellem Lernen zur Analyse der Daten fanden die Forscher Schlüsselprädiktoren, die genauer waren als die bisher von Psychiatrie-Erfahrenen verwendeten.
Die Leistung des ML-Modells wurde mit der Metrik Area Under the Curve (AUC) gemessen. Dabei handelt es sich um einen Wert zwischen 0,5 und 1, wobei 0,5 so gut wie ein Münzwurf ist und 1 eine 100% genaue Vorhersage bedeutet.
Die alleinige Berücksichtigung von Selbstverletzungen und Suizidversuchen in der Vorgeschichte ergab eine AUC zwischen 0,63 und 0,647. Dies war nur geringfügig besser als das Raten und lag unter dem für die Risikovorhersage akzeptablen Bereich von 0,7 bis 0,8.
Die Prädiktoren des ML-Modells erreichten einen AUC zwischen 0,722 und 0,74, was deutlich besser ist.
Das Modell überraschte die Forscher, da es zeigte, dass frühere Selbstverletzungen oder Selbstmordversuche kein Hochrisikofaktor waren und dass das Umfeld und die elterliche Unterstützung eine wichtigere Rolle spielten.
Dr. Lin, einer der Forscher, sagte: "Wir haben festgestellt, dass das Umfeld des jungen Menschen eine größere Rolle spielt, als wir dachten. Aus Sicht der Prävention ist das eine gute Sache, denn wir wissen jetzt, dass wir mehr für diese Menschen tun können.
Diese Anwendung von KI in der psychiatrischen Versorgung wird Klinikern helfen, gefährdete Jugendliche genauer zu beurteilen und früher einzugreifen.
Dr. Lin sagte: "Auf der Grundlage der Patientendaten könnte der ML-Algorithmus einen Score für jede Person berechnen, der in das elektronische Krankenaktensystem integriert werden könnte. Der Arzt könnte diese Informationen schnell abrufen, um seine Einschätzung zu bestätigen oder zu korrigieren".
Das Modell ist noch nicht praxisreif, aber die vielversprechenden Ergebnisse deuten darauf hin, dass es sich lohnt, diesen Weg weiterzuverfolgen.
In den Krankenakten befinden sich viele Daten, und der Einsatz von KI zu deren Analyse wird zweifelsohne zu weiteren Überraschungen für die Ärzte führen.
