Forskare från School of Clinical Medicine vid University of New South Wales har använt maskininlärning (ML) för att utveckla mer exakta prediktorer för självskadebeteende och självmord hos ungdomar.
Ungdomars psykiska hälsa har försämrats globalt och den australiensiska statistiken är en rättvis återspegling av den i många andra samhällen. Självmord är den vanligaste dödsorsaken bland australiensare mellan 15 och 24 år.
Nuvarande prediktorer som tidigare självskadebeteende eller självmordsförsök har visat sig vara endast något mer effektiva än att förlita sig på slumpen. Den nya prediktiva modellen forskare som utvecklats med hjälp av ML är betydligt mer effektivt.
Datamaterialet bestod av återkoppling från frågeformulär och intervjuer med 2.809 ungdomar som deltog i Longitudinal Study of Australian Children.
Bland deltagarna rapporterade 5,2% att de försökt begå självmord minst en gång under de senaste 12 månaderna och 10,5% att de skadat sig själva.
Genom att använda maskininlärning för att analysera data hittade forskarna viktiga prediktorer som var mer exakta än de som tidigare använts av mentalvårdspersonal.
ML-modellens prestanda mättes med måttet Area Under the Curve (AUC). Det är en siffra som sträcker sig från 0,5 till 1 där 0,5 är en lika bra gissning som en slantsingling och 1 är en 100% korrekt förutsägelse.
Att enbart förlita sig på tidigare självskadebeteende och självmordsförsök gav ett AUC på mellan 0,63 och 0,647. Detta var endast något bättre än gissning och låg under intervallet 0,7 till 0,8 som anses acceptabelt för att förutsäga risk.
ML-modellens prediktorer uppnådde en AUC mellan 0,722 och 0,74, vilket är betydligt bättre.
Modellen överraskade forskarna eftersom den visade att tidigare självskadebeteende eller självmordsförsök inte var en högriskfaktor och att miljö och föräldrastöd spelade en viktigare roll.
Dr Lin, en av forskarna, säger: "Vi fann att den unga personens miljö spelar en större roll än vi trodde. Det är bra ur förebyggande synvinkel eftersom vi nu vet att det finns mer vi kan göra för dessa individer."
Denna tillämpning av AI inom mentalvården kommer att hjälpa läkare att göra mer exakta bedömningar av riskutsatta ungdomar och sätta in tidigare insatser.
Dr Lin säger: "Baserat på patientinformation kan ML-algoritmen beräkna en poäng för varje person, och den kan integreras i det elektroniska journalsystemet. Läkaren skulle snabbt kunna hämta den informationen för att bekräfta eller justera sin bedömning."
Modellen är ännu inte redo att införas i praktiken, men de lovande resultaten tyder på att det är en väg som är värd att följa.
Det finns mycket data i medicinska journaler och att använda AI för att analysera den kommer utan tvekan att ge vårdpersonalen fler överraskningar.
