روش پیش بینی خودکشی ترکیبی از هوش مصنوعی و غربالگری چهره به چهره است

یک مطالعه مشاهده‌ای جدید از مرکز پزشکی دانشگاه واندربیلت به راه‌حل‌هایی برای پیش‌بینی بالینی کارآمد اقدام به خودکشی یا تفکر خودکشی در بزرگسالان اشاره می‌کند.

گزارش شده در 13 مه در شبکه JAMA باز است این مطالعه توسط درو ویلیمیتیس، کالین والش، MD، MA، و همکارانش، یک الگوریتم هوش مصنوعی را با غربالگری چهره به چهره مقایسه می‌کند.

زمانی که این دو روش با هم ترکیب شدند، پیش‌بینی‌ها به طور کلی بهبود یافت و یک روش به اصطلاح یادگیری گروهی را تولید کرد.

والش، دانشیار انفورماتیک بیومدیکال، پزشکی و روانپزشکی و علوم رفتاری گفت: «این آزمایش یک بررسی نادر از هم افزایی بین هوش مصنوعی بلادرنگ و غربالگری چهره به چهره برای تخمین خطر خودکشی است.

خودکشی برای یک نسل در ایالات متحده در حال افزایش بوده است و تخمین زده می شود که هر سال جان 14 نفر از هر 100000 آمریکایی را می گیرد و آن را به دهمین علت اصلی مرگ و میر در این کشور تبدیل می کند.

در سال 2018، بخش اورژانس بزرگسالان VUMC مقیاس رتبه‌بندی شدت خودکشی کلمبیا (C-SSRS) را با بیمارانی که به‌عنوان بخشی از تریاژ به طور معمول به پرسشنامه‌ای شش ماده‌ای پاسخ می‌دادند، اجرا کرد. در همین حال، تیم‌های دیگر مناطق VUMC از این پرسشنامه برای غربالگری چهره به چهره بر اساس نیاز استفاده می‌کنند.

در سال 2019، VUMC بر اساس آزمایشی، الگوریتم یادگیری ماشینی را که توسط والش و تیمش توسعه داده شده بود، به نام احتمال تلاش و ایده خودکشی Vanderbilt یا VSAIL ایجاد کرد. این الگوریتم بی‌صدا در پس‌زمینه اجرا می‌شد و بر اساس اطلاعات موجود در پرونده سلامت الکترونیکی، امتیازهای خطر را برای هر برخورد بیمار ایجاد می‌کرد. در حالی که آزمایش ادامه داشت، هیچ امتیاز VSAIL در پرونده های سلامت در VUMC گنجانده نشد.

مطالعه جدید بر روی 120398 ویزیت بیمار در 15 ماه پایان یافته در سپتامبر 2020 متمرکز شد. برای هر برخوردی که در آن از هر دو روش ارزیابی خطر استفاده شد، سوابق سلامتی 180 روز بعد برای اقدام به خودکشی یا افکار خودکشی بررسی شد. در کل 514 اقدام به خودکشی ثبت شده در گروه مورد مطالعه (205 مورد در 30 روز پس از ویزیت بیمار اتفاق افتاد) و 3126 مورد افکار خودکشی وجود داشت. مرگ های خودکشی پیگیری نشد. روش‌های پیش‌بینی با اشاره به آستانه‌های خطر مختلف و دوره‌های پیگیری بیمار مقایسه شدند.

روش گروهی تقریباً همیشه در مقایسه با C-SSRS یا VSAIL به تنهایی بهترین نتیجه را داشت.

ویلیمیتیس، تحلیلگر آماری در آزمایشگاه والش، گفت: «یادگیری گروهی، نقاط قوت مربوط به غربالگری بالینی و یادگیری ماشینی را با هم ترکیب کرد و در عین حال نقاط ضعف آنها را کاهش داد. “این ماهیت مکمل بین ارزیابی بالینی سنتی و پیش بینی آماری باید ادغام بیشتر تخصص پزشک، ورودی بیمار و هوش مصنوعی را برای تشخیص موثر خطر تشویق کند.”

از بین 10 درصد بیمارانی که بالاترین امتیاز خطر را در هر C-SSRS یا VSAIL داشتند، حدود یک نفر از 200 نفر در طی 30 روز اقدام به خودکشی کردند. اما با روش گروهی، از هر 200 بیمار در دهک های پرخطر، حدود سه نفر در عرض 30 روز اقدام به خودکشی کردند.

والش گفت: «نتایج مطالعه ما نشان می‌دهد که ادغام غربالگری تحت هدایت بالینی با الگوریتم‌ها، پیش‌بینی اقدام به خودکشی را بهبود می‌بخشد، حتی اگر این الگوریتم‌ها در وهله اول هرگز با غربالگری چهره به چهره آموزش داده نشده باشند». این مطالعه نمونه کاملی از این ایده است که انسان‌های هوشمند به علاوه ماشین‌ها بهتر از هر یک به تنهایی هستند.

تیم والش در مرحله بعدی یک کارآزمایی بالینی تصادفی شده را در VUMC از الگوریتم هوش مصنوعی برای حمایت از تصمیم گیری بالینی سرپایی انجام خواهد داد. در نیمی از بازدیدهای تصادفی، امتیازهای پرخطر در هر VSAIL به طور خودکار یک هشدار پرونده الکترونیکی سلامت را برای پزشکان ایجاد می‌کند و غربالگری چهره به چهره برای خطر خودکشی را توصیه می‌کند. تیم تحقیقاتی ابتدا میزان غربالگری چهره به چهره را در موارد (خطر بالا به ازای هر VSAIL پرچم‌گذاری شده برای پزشکان) و کنترل‌ها (خطر بالا بدون علامت) بررسی می‌کند.