作者:Maddie Massy-Westropp, 新南威尔士大学 悉尼新南威尔士大学的最新研究表明,人工智能可以帮助识别自杀和自残的风险因素。 在澳大利亚青少年中,自杀是导致死亡的主要原因,14-17 岁青少年中有 18% 存在自残行为。遗憾的是,在过去的十年里, 这两种情况在这个年龄段都变得越来越普遍。 当年轻人进入医院等医疗机构时,当年轻人有潜在的自杀或自残行为时,临床医生会评估自杀和自残的风险。当前的风险评估方法(例如查看过去的尝试)可能不可靠,没有考虑到许多其他潜在的风险因素。此外,这些医疗保健机构之外的青少年也很容易受到忽视。 人工智能(AI)在心理健康领域的应用越来越广泛,以识别高危人群。机器学习 (ML) 模型可以处理大量患者数据,识别潜在的风险因素并测量它们如何预测心理健康问题,包括自杀和自残企图。 新南威尔士大学、英厄姆应用医学研究所和悉尼西南部地方卫生区 (SWSLHD) 的研究人员开发了机器学习模型来预测青少年自杀和自残企图的风险。这些模型比标准方法更准确,之前的自杀和自残企图是唯一的风险因素。 研究结果发表在《精神病学研究》上。 “有时我们需要消化和处理大量信息,这超出了临床医生的能力,”资深作者 Daniel Lin 博士说,他是新南威尔士大学、英厄姆研究所和 SWSLHD 的精神病学家和心理健康研究员。 “这就是我们利用机器学习算法的原因。” 自杀和自残的发生率很高研究人员使用了澳大利亚儿童纵向研究的数据,该研究自 2004 年以来一直在收集全国儿童的一系列数据。他们的分析包括 2809 名研究参与者,分为 14-15 岁年龄组和 16-15 岁年龄组。 17岁年龄段。这些数据来自儿童、他们的照顾者和学校老师填写的问卷。 在 2809 名参与者中,10.5% 的人报告有过自残行为,5.2% 的人报告在过去 12 个月内至少尝试过一次自杀。 “这些行为肯定没有得到充分报道,因此实际比例更高,”林博士说。 识别风险因素研究人员从数据中发现了 4000 多个潜在风险因素,涉及心理健康、身体健康、与他人的关系以及学校和家庭环境等领域。他们使用随机森林分类算法(一种先进的机器学习技术)来确定 14-15 岁的哪些风险因素最能预测 16-17 岁的自杀和自残企图。 对于自杀和自残,最重要的风险因素是抑郁情绪、情绪和行为困难、自我认知以及学校和家庭动态。自杀或自残也有一些独特的因素。 “自杀的一个独特的预测因素是缺乏自我效能,当一个人感到对自己的环境和未来缺乏控制时。而自残的一个独特的预测因素是缺乏情绪调节,”林博士说。 “令我们惊讶的是,之前的尝试并不属于首要风险因素。” 另一个意想不到的发现是学校和家庭动态在预测自杀和自残企图中的重要性。林博士表示,人们有一种刻板印象,认为人们自残或自杀是因为内在的心理健康状况不佳。 “我们发现年轻人的环境所起的作用比我们想象的要大。从预防的角度来看,这是一件好事,因为我们现在知道我们可以为这些人做更多的事情,”林博士说。 “家长的支持和学校的支持非常重要……我们需要弄清楚作为一个社会如何支持家长和学校教育,以保护我们的年轻一代。” 对临床实践的影响研究人员根据确定的最重要的风险因素创建了机器学习模型,以预测研究参与者的自杀和自残行为。这些模型能够比标准方法更准确地预测尝试,标准方法仅考虑该人之前的尝试历史。 林博士表示,像这样的机器学习模型可以支持临床医生评估青少年患者的自杀和自残风险。 “根据患者信息,机器学习算法可以计算每个人的分数,并且可以将其集成到电子病历系统中。临床医生可以快速检索该信息以确认或调整他们的评估,”林博士说。 然而,在将这些机器学习模型整合到临床护理中之前,还需要进行更多的研究。这些模型需要应用于现实生活中的临床数据集(其中将包含不太详细的患者信息),以验证它们在预测自杀和自残企图方面是否仍然有效。此外,研究人员正在寻求了解多种风险因素如何相互作用以影响行为。 “作为研究人员,我们将努力继续产生更多信息和更多证据,”林博士说。 “这是让利益相关者——临床医生、家庭、患者和社区——相信这些数据驱动的方法是有价值的方式。” (责任编辑:泉水) |