研究：机器学习模型增强了对青少年自杀、自残风险的预测

　　

　　根据悉尼新南威尔士大学的一项新研究，人工智能可以帮助识别自杀和自残的风险因素。

　　在澳大利亚的青少年中，自杀是死亡的主要原因，18%的14-17岁青少年有自残行为。可悲的是，在过去的十年里，这两种情况在这个年龄段变得越来越普遍。

　　当一个年轻人进入医疗机构，如医院，有潜在的自杀或自残行为时，临床医生会评估自杀和自残风险。目前的风险评估方法，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，这些医疗机构之外的青少年也不受关注。

　　人工智能(AI)正越来越广泛地应用于心理健康领域，以识别高危人群。机器学习(ML)模型可以处理大量的患者数据，识别潜在的风险因素，并衡量它们如何预测心理健康问题，包括自杀和自残企图。

　　来自新南威尔士大学、英厄姆应用医学研究所和西南悉尼地方卫生区(SWSLHD)的研究人员开发了ML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，因为之前的自杀和自残企图是唯一的风险因素。

　　研究结果发表在今天的《精神病学研究》上。

　　“有时我们需要消化和处理大量的信息，这超出了临床医生的能力，”资深作者丹尼尔·林博士说，他是新南威尔士大学、英厄姆研究所和SWSLHD附属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。”

　　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岁的一组和16-17岁的一组。这些数据来自儿童、他们的看护人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。

　　林博士说:“这些行为肯定没有被充分报道，所以实际比例更高。”

　　研究人员从数据中确定了4000多种潜在的风险因素，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岁时的哪些风险因素最能预测16-17岁时的自杀和自残企图。

　　对于自杀和自残来说，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的动态。自杀或自残也有一些独特的因素。

　　“自杀的一个独特预测因素是缺乏自我效能感，当一个人感到对自己的环境和未来缺乏控制时。而自我伤害的一个独特预测因素是缺乏情绪调节，”林博士说。

　　“让我们惊讶的是，以前的尝试并不是最危险的因素之一。”

　　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方面的重要性。根据林博士的说法，有一种刻板印象认为人们自残或自杀是因为内在的精神健康状况不佳。

　　“我们发现，年轻人所处的环境比我们想象的更重要。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。

　　“家长和学校的支持非常重要……我们需要弄清楚，作为一个社会，我们应该如何支持家长和学校教育，以保护我们的年轻一代。”

　　研究人员根据最常见的风险因素创建了ML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，标准方法只考虑该人以前的尝试历史。

　　根据林博士的说法，像这样的ML模型可以帮助临床医生评估青少年患者的自杀和自残风险。

　　基于患者信息，机器学习算法可以为每个人计算一个分数，并可以集成到电子医疗记录系统中。临床医生可以迅速检索这些信息，以确认或调整他们的评估。”

　　然而，在将这些ML模型整合到临床护理之前，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(这些数据集将包含较少详细的患者信息)，以验证它们是否仍然有效地预测自杀和自残企图。此外，研究人员正在试图了解多种风险因素是如何相互作用影响行为的。

　　“作为研究人员，我们将继续努力获取更多信息和证据，”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。”

　　在紧急情况下拨打3个0000。

　　如需帮助和支持，请致电:

　　父线NSW 1300 130 052

　　Beyond Blue 1300 224 636

　　新南威尔士州心理健康热线1800 011 511

　　澳大利亚生命线13 11 14

　　儿童服务热线1800 551 800

　　/公开发布。来自原始组织/作者的材料可能具有时点性质，并根据清晰度，风格和长度进行了编辑。海市蜃楼。新闻不受机构限制

　　所有的位置或侧面，以及所有的视图、位置等

　　此处表达的结论仅代表作者的观点。点击此处查看全文。