任何生命的丧失都是毁灭性的，但因自杀而导致的生命丧失却格外令人悲痛。自杀是15至44岁澳大利亚人死亡的主要原因，每天几乎有9人丧生。根据一些估计，自杀未遂的发生率是死亡的30倍。"自杀一旦发生就会产生巨大影响。它影响到许多人，并对家庭、朋友和社区产生深远的影响。"新南威尔士大学黑狗研究所的精神病学博士候选人凯伦-库苏玛说，她调查了青少年的自杀预防。
库苏玛女士和来自黑狗研究所和健康大数据研究中心的一组科学家最近进行的研究调查了支持机器学习模型预测潜在自杀行为和想法能力的证据。他们评估了54种机器学习算法的功效，这些算法是由研究人员先前创建的，用于预测自杀相关的想法、企图和死亡结果。
发表在《精神病学研究杂志》上的这项荟萃分析发现，机器学习模型在预测自杀相关结果方面的表现优于传统的风险预测模型，而传统的风险预测模型的表现一直很差。
"总的来说，研究结果显示，有一个初步但令人信服的证据基础，即机器学习可以用来预测未来与自杀有关的结果，而且性能非常好。"
传统的自杀风险评估模型
为了预防和管理自杀行为，识别那些有自杀风险的人是至关重要的。然而，预测风险是具有挑战性的。
在急诊科（EDs），医生经常采用风险评估工具，如问卷调查和评级表，来确定有自杀高风险的病人。然而，有证据表明，它们在实践中对准确判断自杀风险是无效的。
"虽然有一些共同的因素被证明与自杀企图有关，但一个人的风险在另一个人身上可能看起来非常不同。但自杀是复杂的，有许多动态因素，因此很难用这种评估过程来评估风险状况。"
对昆士兰州死于自杀的人进行的尸检分析发现，在接受正式自杀风险评估的人中，75%被列为低风险，没有人被列为高风险。以前的研究检查了过去50年的定量自杀风险预测模型，也发现它们在预测未来的自杀风险方面只比平均水平稍好。
"在世界许多地方，包括澳大利亚，自杀是造成生命损失年数的主要原因。但是自杀风险评估的方式最近并没有发展起来，我们也没有看到自杀死亡人数的大幅下降。在某些年份，我们看到了增长。"
尽管缺乏支持传统自杀风险评估的证据，但在医疗保健机构中，进行自杀风险评估仍然是一种标准做法，以确定病人的护理和支持水平。那些被确认为具有高风险的人通常会接受最高级别的护理，而那些被确认为低风险的人则会出院。
"使用这种方法，不幸的是，高水平的干预措施并没有被给予真正需要帮助的人。因此，我们必须着眼于改革这一过程，探索我们可以改善自杀预防的方法，"库苏玛说。
机器学习自杀筛查
库苏玛女士说，在自杀学方面需要更多的创新，并对标准的自杀风险预测模型进行重新评估。改善风险预测的努力导致她的研究使用人工智能（AI）来开发自杀风险算法。有了人工智能，可以比临床医生接受更多的数据，就能更好地识别哪些模式与自杀风险有关。
在荟萃分析研究中，机器学习模型的表现超过了传统的临床、理论和统计自杀风险预测模型之前所设定的基准。他们正确预测了66%会出现自杀结果的人，正确预测了87%不会出现自杀结果的人。
相对于传统的预测模型，机器学习模型可以很好地预测自杀死亡，可以成为传统风险评估的高效和有效的替代方案，传统统计模型的严格假设并不束缚机器学习模型。相反，它们可以灵活地应用于大型数据集，为许多风险因素和自杀结果之间的复杂关系建模。它们还可以纳入响应的数据源，包括社交媒体，以确定自杀风险的峰值，并标记出最需要干预的时间。
随着时间的推移，机器学习模型可以被配置为接受更复杂和更大的数据，以更好地识别与自杀风险相关的模式。
使用机器学习算法来预测与自杀有关的结果仍然是一个新兴的研究领域，所确定的研究中有80%是在过去五年中发表的，未来的研究也将有助于解决迄今为止在算法模型中发现的聚集偏差风险。
库苏玛表示："有必要进行更多的研究来改进和验证这些算法，这将有助于推进机器学习在自杀学中的应用。虽然我们离在临床环境中的实施还有一段距离，但研究表明这是未来提高自杀风险筛查准确性的一个有希望的途径。"
了解更多：
https://www.sciencedirect.com/science/article/abs/pii/S0022395622005416?via%3Dihub
