هوش مصنوعی عوامل خودکشی را شناسایی کرد

محققان از یک الگوریتم یادگیری ماشینی برای شناسایی عوامل اصلی که می توانند موجب خودآزاری و اقدام به خودکشی در نوجوان شود، استفاده کرده اند. زمانی که فردی احساس می ‌کند کنترلی بر محیط و آینده‌ اش ندارد ریسک خودکشی افزایش خواهد یافت پژوهشگران می گویند: مدل آنها دقیق تر از پیش بینی کننده های موجود است و می تواند برای ارائه مراقبت های فردی به بیماران آسیب پذیر استفاده شود.نوجوانی دوره شکل گیری بحرانی است. تغییرات جسمی، عاطفی و اجتماعی می تواند نوجوانان را در برابر مشکلات سلامت روان، از جمله اقدام به خودکشی و آسیب رساندن به خود، آسیب پذیر کند.
بر اساس گزارش موسسه بهداشت و رفاه استرالیا (AIHW)، خودکشی علت اصلی مرگ و میر در بین استرالیایی های ۱۵ تا ۲۴ ساله است. در ایالات متحده، مرکز کنترل و پیشگیری از بیماری (CDC) آن را به عنوان دومین علت اصلی ذکر کرده است.
رویکرد استاندارد برای پیش‌ بینی خودکشی یا خودآزاری بر تلاش‌های قبلی خودکشی به عنوان تنها عامل خطر تکیه می‌ کند که می ‌تواند غیرقابل اعتماد باشد.
اکنون، محققان به رهبری دانشگاه نیو ساوت ولز سیدنی از یادگیری ماشینی (ML) برای شناسایی دقیق عواملی که نوجوانان را در معرض خطر خودکشی و خودآزاری قرار می ‌دهند، استفاده کرده ‌اند.

پینگ-آی دانیل لین (Ping-I Daniel Lin) پژوهشگر مسئول این مطالعه گفت: گاهی اوقات ما نیاز به هضم و پردازش اطلاعات زیادی داریم که فراتر از توانایی پزشک است. این همان دلیلی است که ما از الگوریتم‌های یادگیری ماشین استفاده می ‌کنیم.
محققان بیش از ۴ هزار عامل خطر بالقوه را از داده ها در زمینه هایی مانند سلامت روان، سلامت جسمانی، روابط با دیگران و محیط مدرسه و خانه شناسایی کردند.
پژوهشگران از الگوریتم جنگل تصادفی (RF) که یک الگوریتم یادگیری ماشینی نظارت شده است برای این تحقیق استفاده کردند.
چیزی که محققان را متعجب کرد این بود که خودکشی یا خودآزاری قبلی یک عامل پرخطر نبود و محیط نقش مهمی را ایفا کرد. لین در این باره گفت: برای ما شگفت ‌انگیز بود که ببینیم تلاش‌های قبلی جزو عوامل خطر اصلی نبودند. ما متوجه شدیم که محیط جوانان نقش بزرگ ‌تری از آنچه فکر می‌ کردیم بازی می‌ کند.
این موضوع از نقطه نظر پیشگیری عامل خوبی است، زیرا اکنون می دانیم که کارهای بیشتری می توانیم برای این افراد انجام دهیم.
محققان همچنین خاطرنشان کردند: عوامل منحصر به فردی برای خودکشی یا خودآزاری وجود دارد.
وی تصریح کرد:یک پیش ‌بینی ‌کننده منحصر به ‌فرد خودکشی، عدم خودکارآمدی بود، زمانی که فردی احساس می ‌کند کنترلی بر محیط و آینده‌ اش ندارد و پیش ‌بینی ‌کننده منحصر به فرد دیگر، آسیب‌رسانی به خود و فقدان تنظیم هیجانی بود.
لین گفت: بر اساس اطلاعات بیمار، الگوریتم یادگیری ماشینی می تواند امتیازی را برای هر فرد محاسبه کند و می تواند در سیستم پرونده الکترونیک پزشکی ادغام شود. پزشک می تواند به سرعت آن اطلاعات را برای تایید یا اصلاح ارزیابی خود بازیابی کند.
شرح کامل این مطالعه در مجله Psychiatry Research منتشر شده است.