Ένα μοντέλο υπολογιστή είναι σε θέση να εντοπίζει ασθενείς που διατρέχουν τον κίνδυνο απόπειρας αυτοκτονίας με βάση μοτίβα στα ηλεκτρονικά ιστορικά υγείας, με μέσο όρο χρονικής απόσταση δύο έτη, όπως έδειξε έρευνα του Boston Children's Hospital και του Massachusetts General Hospital.
Όπως αναφέρεται σε σχετική ανάρτηση στο EurekAlert, η σχετική έρευνα δημοσιεύτηκε στο JAMA Network Open, και τέτοια μοντέλα θα μπορούσαν να χρησιμοποιούνται για να ενημερώνουν εκ των προτέρων επαγγελματίες του χώρου της υγείας εν όψει επισκέψεων και να βοηθούν σε έγκαιρη λήψη μέτρων/ παρεμβάσεις.
«Οι υπολογιστές δεν μπορούν να αντικαταστήσουν τις ομάδες φροντίδας σε θέματα ψυχικής υγείας» είπε ο Μπεν Ρέις, διευθυντής του Predictive Medicine Group και ένας εκ των ερευνητών. «Αλλά θεωρούμε πως οι υπολογιστές, εάν είναι καλά σχεδιασμένοι, θα μπορούσαν να εντοπίζουν ασθενείς υψηλού κινδύνου που μπορεί να διαφεύγουν της προσοχής και να μην εντοπίζονται από το σύστημα υγείας. Οραματιζόμαστε ένα σύστημα που θα μπορούσε να λέει στον γιατρό “από όλους τους ασθενείς σου, αυτοί οι τρεις εμπίπτουν σε κατηγορία υψηλού κινδύνου. Βρες μερικά επιπλέον λεπτά για να μιλήσεις μαζί τους».
Οι ερευνητές ανέλυσαν δεδομένα από 3,7 εκατομμύρια ασθενείς, ηλικίας από 10 μέχρι 90 ετών στις ΗΠΑ. Τα αρχεία έδειξαν 39.162 απόπειρες αυτοκτονίας. Τα μοντέλα ήταν σε θέση να εντοπίσουν το 38% από αυτά, με ειδικότητα/ ευαισθησία της τάξης του 90%. Οι περιπτώσεις αυτές εντοπίστηκαν κατά μέσο όρο 2,1 χρόνια πριν λάβει χώρα η απόπειρα αυτοκτονίας. Οι ισχυρότερες ενδείξεις περιλαμβάνουν δηλητηριασμούς με φάρμακα, εξάρτηση από ναρκωτικά, υπερβολική κατανάλωση αλκοόλ και προβλήματα ψυχικής υγείας- ωστόσο βρέθηκαν και άλλες ενδείξεις, όχι και τόσο προφανείς, όπως η ραβδομυόλυση, η κυτταρίτιδα, η λήψη φαρμάκων για HIV κ.α.
Οι ερευνητές ανέπτυξαν το μοντέλο σε δύο στάδια, χρησιμοποιώντας μια προσέγγιση machine learning: Πρώτα έδωσαν τα μισά δεδομένα σε ένα υπολογιστικό μοντέλο, ζητώντας του να βρει μοτίβα που σχετίζονταν με απόπειρες αυτοκτονίας. Μετά χρησιμοποίησαν τη γνώση που είχε αποκομιστεί από αυτή την «εκπαιδευτική» άσκηση και την επικύρωσαν με βάση τα άλλα μισά δεδομένα, ζητώντας από το μοντέλο να προβλέψει ποιοι ασθενείς θα προέβαιναν σε απόπειρα. Το σύστημα είχε παρόμοιες επιδόσεις σε όλα τα ιατρικά κέντρα που χρησιμοποιήθηκε, ωστόσο η επανεκπαίδευσή του σε μεμονωμένα κέντρα απέδωσε καλύτερα αποτελέσματα.
