Τεχνητή Νοημοσύνη: Αλγόριθμος μηχανικής μάθησης προβλέπει απόπειρα αυτοκτονίας και αυτοκτονικό ιδεασμό

Τεχνητή Νοημοσύνη: Ένας αλγόριθμος μηχανικής μάθησης που προβλέπει απόπειρα αυτοκτονίας υποβλήθηκε πρόσφατα σε προοπτική δοκιμής στο ίδρυμα όπου αναπτύχθηκε, στο Ιατρικό Κέντρο του Πανεπιστημίου Vanderbilt. Κατά τη διάρκεια των 11 συνεχόμενων μηνών που ολοκληρώθηκαν τον Απρίλιο του 2020, οι προβλέψεις έτρεξαν σιωπηλά στο παρασκήνιο καθώς οι ενήλικες ασθενείς εμφανίστηκαν στο Ιατρικό Κέντρο του Πανεπιστημίου Vanderbilt.

Ο αλγόριθμος, που ονομάζεται μοντέλο πιθανότητας αυτοκτονίας και αυτοκτονικού ιδεασμού Vanderbilt, χρησιμοποιεί πληροφορίες ρουτίνας από ηλεκτρονικά αρχεία υγείας για να υπολογίσει τον κίνδυνο 30 ημερών επισκέψεων επιστροφής για απόπειρα αυτοκτονίας και, κατ ‘επέκταση, για αυτοκτονικό ιδεασμό.

Η αυτοκτονία αυξάνεται στις ΗΠΑ για μια γενιά και εκτιμάται ότι θα κόβει το νήμα της ζωή 1100.000 Αμερικανών κάθε χρόνο, καθιστώντας τη δέκατη κύρια αιτία θανάτου του έθνους.

Σε εθνικό επίπεδο, περίπου το 8,5% των προσπαθειών αυτοκτονίας καταλήγουν σε θάνατο. Οι Colin Walsh, MD, MA και συνεργάτες αξιολόγησαν την απόδοση του αλγορίθμου πρόβλεψης με γνώμονα την πιθανή κλινική εφαρμογή του. Ανέφεραν τη μελέτη στο JAMA Network Open.

Κατά τη διαστρωμάτωση των ενήλικων ασθενών σε οκτώ ομάδες, σύμφωνα με τις βαθμολογίες κινδύνου ανά αλγόριθμο, μόνο το ανώτερο στρώμα αντιπροσώπευε περισσότερο από το ένα τρίτο όλων των προσπαθειών αυτοκτονίας που τεκμηριώθηκαν στη μελέτη και περίπου το ήμισυ όλων των περιπτώσεων αυτοκτονικού ιδεασμού.

Όπως τεκμηριώνεται στα ηλεκτρονικά αρχεία υγείας , ένα στα 23 άτομα σε αυτήν την ομάδα υψηλού κινδύνου συνέχισε να αναφέρει αυτοκτονικές σκέψεις και ένα στα 271 συνέχισε να επιχειρεί αυτοκτονία.

«Σήμερα, σε ολόκληρο το Ιατρικό Κέντρο δεν μπορούμε να εξετάσουμε κάθε ασθενή για κίνδυνο αυτοκτονίας σε κάθε συνάντηση – ούτε θα έπρεπε», δήλωσε ο Walsh, επίκουρος καθηγητής Βιοϊατρικής Πληροφορικής, Ιατρικής και Ψυχιατρικής.

“Αλλά γνωρίζουμε ότι ορισμένα άτομα δεν ελέγχονται ποτέ παρά τους παράγοντες που ενδέχεται να τους θέτουν σε υψηλότερο κίνδυνο. Αυτό το μοντέλο κινδύνου είναι το πρώτο πέρασμα σε αυτόν τον έλεγχο και μπορεί να προτείνει ποιοι ασθενείς θα εξεταστούν περαιτέρω σε ρυθμίσεις όπου η αυτοκτονία δεν συζητείται συχνά.” Κατά τη διάρκεια της δοκιμής 11 μηνών, περίπου 78.000 ενήλικες ασθενείς εμφανίστηκαν στο νοσοκομείο, το δωμάτιο έκτακτης ανάγκης και τις χειρουργικές κλινικές στο Ιατρικό Κέντρο του Πανεπιστημίου Vanderbilt.

Όπως στη συνέχεια τεκμηριώθηκε στα ηλεκτρονικά αρχεία υγείας  EHR, 395 άτομα σε αυτήν την ομάδα ανέφεραν ότι είχαν αυτοκτονικές σκέψεις και 85 έζησαν τουλάχιστον μία απόπειρα αυτοκτονίας, με 23 επαναλαμβανόμενες προσπάθειες. “Εδώ, για κάθε 271 άτομα που προσδιορίζονται στην υψηλότερη προβλεπόμενη ομάδα κινδύνου, κάποιος επέστρεψε για θεραπεία λόγω απόπειρας αυτοκτονίας”, δήλωσε ο Walsh.

“Αυτός ο αριθμός είναι ισοδύναμος με τους αριθμούς που απαιτούνται για τον έλεγχο προβλημάτων όπως η ανώμαλη χοληστερόλη και ορισμένοι καρκίνοι.

Μπορεί να ρωτήσουμε εφικτά εκατοντάδες ή και χιλιάδες άτομα για αυτοκτονική σκέψη, αλλά δεν μπορούμε να ρωτήσουμε τα εκατομμύρια που επισκέπτονται το Ιατρικό μας Κέντρο κάθε χρόνο – και δεν χρειάζεται να ρωτηθούν όλοι οι ασθενείς.

Τα αποτελέσματά μας υποδηλώνουν ότι η τεχνητή νοημοσύνη μπορεί να βοηθήσει ως ένα βήμα στην κατεύθυνση περιορισμένων κλινικών πόρων στο σημείο που είναι περισσότερο απαραίτητο.

“Ο Walsh, ο οποίος αρχικά δημιούργησε τον αλγόριθμο με τους συναδέλφους του στο Florida State University, το είχε επικυρώσει προηγουμένως χρησιμοποιώντας αναδρομικά δεδομένα ηλεκτρονικών αρχείων υγείας από το Ιατρικό Κέντρο του Πανεπιστημίου Vanderbilt.

“Ο Δρ Walsh και η ομάδα του έχουν δείξει πώς να δοκιμάζουν το άγχος και να προσαρμόζουν ένα μοντέλο πρόβλεψης τεχνητής νοημοσύνης σε ένα λειτουργικό ηλεκτρονικό αρχείο υγείας, ανοίγοντας τον δρόμο για πραγματικές δοκιμές παρεμβάσεων υποστήριξης αποφάσεων”, δήλωσε ο ανώτερος συγγραφέας της νέας μελέτης, William Stead, MD, καθηγητής Βιοϊατρικής Πληροφορικής.

ΠΗΓΗ

ΑΦΗΣΤΕ ΜΙΑ ΑΠΑΝΤΗΣΗ

Please enter your comment!
Please enter your name here