Veštačka inteligencija može pomoći da se identifikuju faktori rizika za samoubistvo i samopovređivanje, prema novom istraživanju UNSV Sidneja.
Među adolescentima u Australiji, samoubistvo je vodeći uzrok smrti, a samopovređivanje pogađa 18% onih od 14 do 17 godina. I jedni i drugi su nažalost postali češći u ovoj starosnoj grupi tokom poslednje decenije.
Kliničari procenjuju rizik od samoubistva i samopovređivanja kada mlada osoba uđe u zdravstveno okruženje, kao što je bolnica, sa potencijalnim suicidalnim ili samopovređivanjem. Sadašnje metode procene rizika, kao što je posmatranje prošlih pokušaja, mogu biti nepouzdane, ne uzimajući u obzir mnoge druge potencijalne faktore rizika. Takođe, adolescenti van ovih zdravstvenih ustanova lete ispod radara.
Veštačka inteligencija (AI) se sve više koristi u mentalnom zdravlju za identifikaciju rizičnih pojedinaca. Modeli mašinskog učenja (ML) mogu da obrađuju ogromne količine podataka o pacijentima, identifikujući potencijalne faktore rizika i mereći kako mogu da predvide probleme mentalnog zdravlja, uključujući samoubistvo i pokušaje samopovređivanja.
Istraživači sa UNSV-a, Instituta za primenjena medicinska istraživanja Ingham i lokalnog zdravstvenog okruga Jugozapadnog Sidneja (SVSLHD) razvili su ML modele za predviđanje rizika od samoubistava i pokušaja samopovređivanja kod adolescenata. Ovi modeli su bili tačniji od standardnog pristupa, sa prethodnim pokušajima samoubistva i samopovređivanja kao jedinim faktorom rizika.
Nalazi su objavljeni u Psichiatri Research.
„Ponekad moramo da svarimo i obradimo mnogo informacija koje bi bile van sposobnosti kliničara“, kaže stariji autor dr Daniel Lin, koji je psihijatar i istraživač mentalnog zdravlja povezan sa UNSV, Institutom Ingham i SVSLHD.
„To je razlog zašto koristimo algoritme mašinskog učenja.“
Istraživači su koristili podatke iz Longitudinalne studije australijske dece, koja je prikupljala niz podataka od dece širom zemlje od 2004. Njihova analiza je obuhvatila 2809 učesnika studije, podeljenih u starosnu grupu od 14–15 godina i 16– Starosna grupa od 17 godina. Podaci su dobijeni iz upitnika koje su popunila deca, njihovi staratelji i nastavnici u školi.
Među 2809 učesnika, 10,5% je prijavilo čin samopovređivanja, a 5,2% je prijavilo pokušaj samoubistva najmanje jednom u poslednjih 12 meseci.
„Ovo ponašanje je definitivno nedovoljno prijavljeno, tako da su stvarne proporcije veće“, kaže dr Lin.
Istraživači su identifikovali više od 4.000 potencijalnih faktora rizika iz podataka, koji se odnose na oblasti kao što su mentalno zdravlje, fizičko zdravlje, odnosi sa drugima i školsko i kućno okruženje. Koristili su nasumični algoritam za klasifikaciju šuma (napredna tehnika ML) da identifikuju koji faktori rizika u dobi od 14–15 godina najviše predviđaju samoubistvo i pokušaje samopovređivanja u dobi od 16–17 godina.
Za samoubistvo i samopovređivanje, najvažniji faktori rizika bili su depresivna osećanja, emocionalne poteškoće i poteškoće u ponašanju, samopercepcija i dinamika škole i porodice. Postojali su i jedinstveni faktori specifični za samoubistvo ili samopovređivanje.
„Jedinstveni prediktor samoubistva bio je nedostatak samoefikasnosti, kada neko oseća nedostatak kontrole nad svojim okruženjem i svojom budućnošću. A jedinstveni prediktor samopovređivanja bio je nedostatak emocionalne regulacije“, kaže dr Lin.
„Bilo nam je iznenađujuće da vidimo da prethodni pokušaji nisu bili među najvećim faktorima rizika.
Još jedno neočekivano otkriće je važnost školske i porodične dinamike u predviđanju pokušaja samoubistva i samopovređivanja. Prema dr Linu, postoji stereotip da se ljudi samopovređuju ili umiru samoubistvom zbog intrinzičnog lošeg mentalnog zdravlja.
„Otkrili smo da okruženje mlade osobe igra veću ulogu nego što smo mislili. Ovo je dobra stvar sa stanovišta prevencije, jer sada znamo da možemo više da uradimo za ove osobe“, kaže dr Lin.
„Podrška roditelja i škola je veoma važna… Moramo da shvatimo kako kao društvo možemo da podržimo roditeljstvo i školsko obrazovanje, da zaštitimo našu mlađu generaciju.“
Istraživači su kreirali modele ML na osnovu najistaknutijih faktora rizika za predviđanje samoubistva i samopovređivanja kod učesnika studije. Ovi modeli su bili u stanju da predvide pokušaje preciznije od standardnog pristupa, koji samo uzima u obzir nečiju istoriju prethodnih pokušaja.
Prema dr Linu, ovakvi modeli ML mogu pomoći kliničarima da procene rizik od samoubistva i samopovređivanja kod adolescenata.
„Na osnovu informacija o pacijentu, ML algoritam bi mogao da izračuna rezultat za svaku osobu i to bi moglo da se integriše u sistem elektronske medicinske dokumentacije. Kliničar bi mogao brzo da preuzme te informacije da potvrdi ili podesi svoju procenu“, kaže dr Lin.
Međutim, potrebno je više istraživanja pre nego što se ovi modeli ML mogu integrisati u kliničku negu. Modele treba primeniti na skupove kliničkih podataka iz stvarnog života (koji će sadržati manje detaljne informacije o pacijentima), da bi se potvrdilo da li su i dalje efikasni u predviđanju pokušaja samoubistva i samopovređivanja. Takođe, istraživači nastoje da shvate kako više faktora rizika utiče na ponašanje.
„Kao istraživači, pokušaćemo da nastavimo da generišemo više informacija i više dokaza“, kaže dr Lin.
„Ovo je način da se ubede zainteresovane strane – kliničari, porodice, pacijenti i zajednica – da su ovi pristupi zasnovani na podacima vredni.“
