Naukowcy potrafią już przewidywać próby samobójcze na 2 lata przed ich wystąpieniem
Nowe badania pokazują potencjał modelowania komputerowego z wykorzystaniem elektronicznej historii choroby w zakresie przewidywania ryzyka pojawienia się skłonności samobójczych - ich autorzy mówią nawet o 2 latach wyprzedzenia.
Oczywiście naukowcy informują, że komputery nie są w stanie zastąpić lekarskiej identyfikacji osób z problemami psychicznymi, ale jeśli zostaną dobrze zaprojektowane, to mogą stanowić dużą pomoc, choćby we wskazywaniu pacjentów z potencjalnie wysokim ryzykiem, którzy normalnie nie zostaną „wyłapani” przez system (a warto tu podkreślić, że część lekarzy obawia się w tym roku dużego skoku w liczbie prób samobójczych, wszystko w związku z izolacją społeczną oraz napięciem psychicznym wywołanym pandemią koronawirusa).Szczególnie że żyjemy w czasach, kiedy dane pacjentów coraz częściej przechowuje się cyfrowo, więc sztuczna inteligencja oraz modele maszynowego uczenia mają świetne pole do popisu.
Ba, widzieliśmy już pierwsze próby podobnych rozwiązań, jak choćby badania z 2017 roku wskazujące na możliwość wykrycia skłonności samobójczych po rezonansie magnetycznym czy kontrowersyjny algorytm Facebooka, który śledził aktywność użytkowników i oznaczał tych z ryzykiem próby samobójczej. Nowe badania idą zaś w stronę komputerowego modelowania, które będzie śledzić historie chorób pacjentów i przewidywać ich potencjalne skłonności samobójcze, a podczas testów było trenowane na danych 3,7 mln pacjentów z pięciu różnych placówek medycznych.
W danych zawartych było blisko 40 tysięcy prób samobójczych, a algorytm był w stanie przewidzieć 38% z nich z 2,1-letnim wyprzedzeniem. Jak podkreśla jeden z autorów badań, choć część prób samobójczych w historiach medycznych była wywołana spodziewanymi predyktorami ryzyka, jak uzależnienie od narkotyków czy wcześniej występujące choroby psychiczne, inne były zupełnie niespodziewane, jak stosowanie leków na HIV czy rabdomioliza, tj. zespół objawów chorobowych wywołanych masywnym rozpadem tkanki mięśniowej. - Nie było jednego predyktora. To raczej kompleks zjawisk składowych, głównych sygnałów, które nabudowują się z czasem - twierdzi jeden z autorów, Ben Reis.
Celem tych konkretnych badań było zaś zbadanie, jak skutecznie jeden model przewidywania może być zastosowany do prognozowania szerokiego spektrum pacjentów w różnych placówkach medycznych. I choć szybko okazało się, że spisuje się podobnie we wszystkich 5 badanych ośrodkach, to naukowcy podkreślają, że przetrenowanie go ponownie z uwzględnieniem różnic między szpitalami i ustalenie wzorców dla każdego z nich z osobna dało jeszcze lepsze rezultaty. Następnym krokiem jest zaś ponowne wzbogacenie danych modelu przez dodanie dodatkowych danych medycznych, jak choćby notatek klinicznych od lekarzy, a wszystko po to, by ostatecznie pomóc lekarzom lepiej identyfikować pacjentów z grupy ryzyka.
Źródło: GeekWeek.pl/
