Forskere fra School of Clinical Medicine ved University of New South Wales har brukt maskinlæring (ML) til å utvikle mer nøyaktige prediktorer for selvskading og selvmord hos ungdom.
Den psykiske helsen blant ungdom har gått tilbake på verdensbasis, og den australske statistikken gjenspeiler situasjonen i mange andre samfunn. Selvmord er den vanligste dødsårsaken blant australiere mellom 15 og 24 år.
Nåværende prediktorer, som tidligere selvskading eller selvmordsforsøk, har vist seg å være bare litt mer effektive enn å stole på tilfeldigheter. Den nye prediktive modellen forskere utviklet ved hjelp av ML er betydelig mer effektivt.
Datasettet består av tilbakemeldinger fra spørreskjemaer og intervjuer med 2 809 ungdommer som deltok i Longitudinal Study of Australian Children.
Blant deltakerne rapporterte 5,2% at de hadde forsøkt å begå selvmord minst én gang i løpet av de siste 12 månedene, og 10,5% rapporterte selvskadende handlinger.
Ved å bruke maskinlæring til å analysere dataene fant forskerne viktige prediktorer som var mer nøyaktige enn de som tidligere ble brukt av behandlere innen psykisk helse.
Ytelsen til ML-modellen ble målt ved hjelp av Area Under the Curve (AUC). Det er et tall som går fra 0,5 til 1, der 0,5 er en like god gjetning som et myntkast, og 1 er en 100% nøyaktig prediksjon.
Ved utelukkende å basere seg på tidligere selvskading og selvmordsforsøk oppnådde man en AUC på mellom 0,63 og 0,647. Dette var bare litt bedre enn gjetning, og lå under 0,7 til 0,8, som anses som akseptabelt for å forutsi risiko.
ML-modellens prediktorer oppnådde en AUC på mellom 0,722 og 0,74, noe som er betydelig bedre.
Modellen overrasket forskerne, da den viste at tidligere selvskading eller selvmordsforsøk ikke var en høyrisikofaktor, og at miljø og foreldrestøtte spilte en viktigere rolle.
Dr. Lin, en av forskerne, sier: "Vi fant ut at den unges miljø spiller en større rolle enn vi trodde. Dette er bra med tanke på forebygging, for nå vet vi at det er mer vi kan gjøre for disse personene."
Denne anvendelsen av kunstig intelligens i psykisk helsevern vil hjelpe klinikere til å bli mer nøyaktige i vurderingen av risikoutsatte ungdommer og sette inn tiltak tidligere.
Dr. Lin sa: "Basert på pasientinformasjon kan ML-algoritmen beregne en poengsum for hver enkelt person, og den kan integreres i det elektroniske journalsystemet. Klinikeren kan raskt hente frem denne informasjonen for å bekrefte eller justere vurderingen sin."
Modellen er ikke klar til å rulles ut i praksis ennå, men de lovende resultatene tyder på at det er en vei det er verdt å forfølge.
Det finnes mye data i medisinske journaler, og bruk av kunstig intelligens til å analysere dem vil utvilsomt føre til flere overraskelser for helsepersonellet.
