Η απώλεια οποιασδήποτε ζωής είναι καταστροφική, αλλά η απώλεια μιας ζωής από αυτοκτονία είναι ιδιαίτερα τραγική. Η αυτοκτονία επηρεάζει πολλούς ανθρώπους και έχει εκτεταμένες συνέπειες για την οικογένεια, τους φίλους και τις κοινότητες, λέει η Karen Kusuma, διδάκτορας ψυχιατρικής, η οποία ερευνά την πρόληψη της αυτοκτονίας σε εφήβους. Ο εντοπισμός των ατόμων που κινδυνεύουν να αυτοκτονήσουν είναι απαραίτητος για την πρόληψη και τη διαχείριση αυτοκτονικών συμπεριφορών.
Σε χώρες όπως η Αυστραλία για παράδειγμα, εννέα άτομα αυτοκτονούν κατά μέσο όρο κάθε μέρα και είναι η κύρια αιτία θανάτου για τις ηλικίες 15-44 ετών. Οι αποτυχημένες απόπειρες αυτοκτονίας είναι ακόμα πιο συχνές. «Η αυτοκτονία είναι η κύρια αιτία απώλειας ζωής σε πολλά μέρη του κόσμου. Αλλά ο τρόπος με τον οποίο γίνεται η αξιολόγηση του κινδύνου αυτοκτονίας δεν έχει εξελιχθεί πρόσφατα και δεν έχουμε δει σημαντικές μειώσεις στους θανάτους από αυτοκτονία» λέει η κ. Kusuma.
Η έρευνα
Η Kusuma και μια ομάδα ερευνητών ερεύνησαν πρόσφατα μοντέλα τεχνητής νοημοσύνης και την ικανότητά τους να προβλέπουν μελλοντικές αυτοκτονικές συμπεριφορές και σκέψεις. Αξιολόγησαν την απόδοση 54 αλγορίθμων μηχανικής μάθησης, για την πρόβλεψη των αποτελεσμάτων αυτοκτονικού ιδεασμού, απόπειρας και θανάτου από αυτοκτονία.
Η μετα-ανάλυση, που δημοσιεύτηκε στο “Journal of Psychiatric Research” διαπίστωσε, ότι τα μοντέλα τεχνητής νοημοσύνης ξεπέρασαν τα παραδοσιακά μοντέλα πρόβλεψης κινδύνου στην πρόβλεψη των αποτελεσμάτων, που σχετίζονται με την αυτοκτονία. Τα παραδοσιακά μοντέλα πρόβλεψης είχαν κακή απόδοση.
Που μειονεκτούν τα παραδοσιακά μοντέλα αξιολόγησης κινδύνου αυτοκτονίας
Η πρόβλεψη κινδύνου είναι δύσκολη. Στα τμήματα επειγόντων περιστατικών, εργαλεία αξιολόγησης κινδύνου, όπως ερωτηματολόγια και κλίμακες αξιολόγησης, χρησιμοποιούνται συνήθως από τους γιατρούς για τον εντοπισμό ασθενών με αυξημένο κίνδυνο αυτοκτονίας. Ωστόσο, τα στοιχεία δείχνουν, ότι είναι αναποτελεσματικά στην ακριβή πρόβλεψη του κινδύνου στην πράξη.
Ενώ υπάρχουν ορισμένοι κοινοί παράγοντες, που σχετίζονται με τις απόπειρες αυτοκτονίας, η αυτοκτονία είναι περίπλοκη, με πολλούς δυναμικούς παράγοντες που καθιστούν δύσκολη την αξιολόγηση ενός προφίλ κινδύνου χρησιμοποιώντας την κλασική διαδικασία αξιολόγησης.
Παρά την έλλειψη αποδεικτικών στοιχείων υπέρ των παραδοσιακών αξιολογήσεων κινδύνου αυτοκτονίας, η χρήση τους παραμένει μια τυπική πρακτική σε χώρους υγειονομικής περίθαλψης. Μια μεταθανάτια ανάλυση ανθρώπων που πέθαναν λόγω αυτοκτονίας διαπίστωσε, ότι από αυτούς που αξιολογήθηκαν με τον παραδοσιακό τρόπο ως προς τον κίνδυνο αυτοκτονίας, το 75% χαρακτηρίστηκαν ως χαμηλού κινδύνου και κανένας δεν ταξινομήθηκε ως υψηλού κινδύνου.
Η στροφή στην τεχνητή νοημοσύνη για την πρόβλεψη της αυτοκτονιας
Φαίνεται λοιπόν από τα παραπάνω, ότι υπάρχει ανάγκη για περισσότερη καινοτομία στην έρευνα της αυτοκτονίας και μια επαναξιολόγηση των τυπικών μοντέλων πρόβλεψης του κινδύνου αυτοκτονίας. Οι προσπάθειες βελτίωσης της πρόβλεψης κινδύνου οδήγησαν στη χρήση τεχνητής νοημοσύνη (AI) για την ανάπτυξη αλγορίθμων κινδύνου αυτοκτονίας.
Που υπερτερεί η τεχνητή νοημοσύνη
Η τεχνητή νοημοσύνη, θα μπορούσε να λάβει και επεξεργαστεί πολύ περισσότερα δεδομένα από ό,τι ένας κλινικός ιατρός και έτσι θα μπορούσε να προβλέψει τις αυτοκτονίες πιο αποτελεσματικά. Θα μπορούσε να μοντελοποιήσει τις πολύπλοκες σχέσεις μεταξύ πολλών παραγόντων κινδύνου και να ενσωματώσει και άλλες πηγές δεδομένων, συμπεριλαμβανομένων των μέσων κοινωνικής δικτύωσης, για να εντοπίσουν πιθανούς κινδύνους αυτοκτονίας και να επισημάνουν το χρόνο, όπου απαιτούνται περισσότερο οι παρεμβάσεις.
Σε μελέτη μετα-ανάλυσης, τα μοντέλα τεχνητής νοημοσύνης, ξεπέρασαν τα παραδοσιακά κλινικά, θεωρητικά και στατιστικά μοντέλα πρόβλεψης κινδύνου αυτοκτονίας. Προέβλεψαν σωστά το 66% των ανθρώπων που θα είχαν αποτέλεσμα αυτοκτονίας και προέβλεψαν σωστά το 87% των ανθρώπων, που δεν θα είχαν αποτέλεσμα αυτοκτονίας. Ωστόσο, η χρήση αλγορίθμων για την πρόβλεψη της αυτοκτονίας είναι ένας καινούριος ερευνητικός τομέας, με το 80% των μελετών να δημοσιεύονται τα τελευταία πέντε χρόνια.
Απαιτείται περισσότερη έρευνα για τη βελτίωση και την επικύρωση αυτών των αλγορίθμων. Ενώ είμαστε ακόμη πολύ μακριά από την εφαρμογή τους σε κλινικό περιβάλλον, η έρευνα δείχνει, ότι αυτή είναι μια πολλά υποσχόμενη οδός για τη βελτίωση της ακρίβειας ελέγχου του κινδύνου αυτοκτονίας στο μέλλον.
Πηγή: newsroom.unsw.edu.au
