Исследователи из Школы клинической медицины Университета Нового Южного Уэльса использовали машинное обучение (ML) для разработки более точных предикторов самоповреждений и самоубийств у подростков.
Психическое здоровье подростков ухудшается во всем мире, и австралийская статистика справедливо отражает данные многих других обществ. Самоубийство - главная причина смерти австралийцев в возрасте от 15 до 24 лет.
Современные предикторы, такие как прошлое самоповреждение или попытки самоубийства, оказались лишь немного эффективнее, чем случайность. Новая прогностическая модель исследователи разработали с помощью ML значительно эффективнее.
Набор данных включает в себя ответы на вопросы анкет и интервью с 2 809 подростками, участвовавшими в лонгитюдном исследовании австралийских детей.
Среди участников 5,2% сообщили о попытке самоубийства хотя бы один раз за предыдущие 12 месяцев, а 10,5% сообщили об актах самоповреждения.
Используя машинное обучение для анализа данных, исследователи нашли ключевые предикторы, которые оказались более точными, чем те, что ранее использовались врачами-психотерапевтами.
Эффективность ML-модели измерялась с помощью показателя Area Under the Curve (AUC). Это показатель в диапазоне от 0,5 до 1, где 0,5 - это такое же хорошее предположение, как подбрасывание монетки, а 1 - 100% точное предсказание.
Если полагаться только на предыдущую историю самоповреждений и попыток самоубийства, то AUC составила от 0,63 до 0,647. Это лишь немного лучше, чем предположение, и находится ниже диапазона 0,7-0,8, который считается приемлемым для прогнозирования риска.
Предикторы ML-модели достигли AUC от 0,722 до 0,74, что значительно лучше.
Модель удивила исследователей, поскольку показала, что предыдущие попытки самоповреждения или самоубийства не являются фактором риска, а окружение и поддержка родителей играют более важную роль.
Доктор Лин, один из исследователей, сказал: "Мы обнаружили, что окружение молодого человека играет большую роль, чем мы думали. Это хорошо с точки зрения профилактики, потому что теперь мы знаем, что можем сделать для этих людей больше".
Применение искусственного интеллекта в сфере психического здоровья поможет врачам более точно оценивать подростков, находящихся в группе риска, и принимать более ранние меры.
Доктор Лин говорит: "На основе информации о пациенте алгоритм ML может рассчитать оценку для каждого человека и интегрировать ее в систему электронных медицинских карт. Врач может быстро получить эту информацию, чтобы подтвердить или скорректировать свою оценку".
Модель еще не готова к внедрению на практике, но многообещающие результаты говорят о том, что ее стоит развивать.
В медицинских картах хранится огромное количество данных, и использование искусственного интеллекта для их анализа, несомненно, преподнесет врачам еще больше сюрпризов.
