人工智慧或可拯救生命：預測未來的自殺傾向

佛羅里達州立大學（FSU）的一項突破性研究項目在自殺預測精度方面實現了指數級別的進展：臨床醫生可能預測未來兩年哪些人具有自殺傾向，預測精度可達80%。

FSU心理學研究員傑西卡·里貝羅（JessicaRibeiro）的研究，直接面對著一個緊迫無情的局面：每一天有120個美國人選擇結束自己的生命，每年將近45,000人自殺身亡。里貝羅的論文題為「通過機器學習預測未來自殺嘗試的風險」，將由臨床心理科學雜誌（Clinical Psychological Science）出版。

研究發現，處於人工智慧未來前沿的機器學習，可以以80-90％的準確性預測人在未來兩年的自殺企圖。隨著自殺企圖越來越近，演算法會變得越來越準確。例如，當人工智慧提前一周注意到某個一般醫院的病人的自殺企圖時，預測精度攀升至92％。

里貝羅說：「研究表明，自殺企圖可以隨著時間推移進行精確預測，當自殺事件即將發生時預測效果最好。研究同時發現，風險因素（作用以及重要程度如何）隨著時間的推移也在變化。」

里貝羅的研究表明，當前迫切需要的自殺預測領域已經取得了非凡的進展。FSU心理學助理教授約瑟夫·富蘭克林（Joseph Franklin）最近的一項研究顯示，近50年的自殺預測研究沒有任何真正的進展，根本無法預測誰會試圖殺死自己。在過去半個世紀中用於識別預測自殺行為的傳統危險因素（例如抑鬱、壓力或藥物濫用）的準確率並不比隨機猜測更好。就算全球最聰明的自殺專家的預測精度，與扔個硬幣亂猜也毫無區別。

與富蘭克林共事的里貝羅說，「高智商的人群合作研究了五十年，卻沒有做出真正的改觀，實在令人沮喪，這一點從自殺率上就可以看到。我不是說機器學習是萬能靈藥，但這些技術和變革，真的可以在停滯不前的研究領域中實現突破」。

里貝羅的項目肇始於富蘭克林的驚人發現。她和富蘭克林以及范德堡大學醫學中心（Vanderbilt University Medical Center）的柯林·沃爾什（ColinWalsh）訪問了一個包含了田納西州大約200萬患者的電子健康記錄的大型數據存儲庫，該項目是歷史上最大的同類研究，這是一個「巨大的機會」，里貝羅說。該小組梳理了匿名的電子健康記錄，識別出約有3200多人企圖自殺。這些信息至關重要，它包含了可能導致自殺企圖的數千人的詳細醫療記錄，通過機器學習來檢查所有這些詳細資料，演算法能夠「學習」記錄中哪些因素組合可以最準確地預測未來的自殺企圖。

「機器學習了諸多風險因素的最佳組合，」里貝羅說。「特別是這種演算法和這些變數如何作為一個整體相互作用。這項研究可以通過應用演算法，考慮某人醫療記錄中的數百個數據點，將其減少到具備臨床意義的信息。

利用這種有意義的信息可為臨床醫生開發一個警報系統，識別出有自殺行為風險的患者。例如，系統可以發出「紅燈警告」或「風險評分」，當病人因為急症入院時，急診醫生可以觀察到自殺風險升高趨勢，並立刻聯繫精神科醫生做出相應處置。

里貝羅說：「這就像心血管風險評分一樣，臨床醫生可以得到一個自殺風險評分，並幫助指導他們下一步如何處置。」

這些下一步的處置往往從未執行。研究表明，在過去一年中，自殺死亡的人中有60-90％曾求助於醫療服務機構，臨床醫生們卻從未觀察到他們的自殺傾向。

里貝羅說：「這種演算法將我們的注意力集中到最有可能嘗試自殺的人，我們的資源就可以更好地投入到現在被忽略的這類人群。現實情況是，因為我們從來沒有想過他們會自殺，很多的人正在喪失生命。」

醫療保健系統正在建立全國和國際電子記錄基礎設施，這些記錄可以用於通過機器學習來識別有自殺危險的人。為了適用於研究，這些數據可能需要進行適當修改，挑戰依然在前。

像美國軍隊和美國退伍軍人事務部等更多的組織正在為自己的電子健康記錄推進機器學習方法。里貝羅目前正在與位於佛羅里達州的軍隊自殺研究聯合會開展一項研究，研究使用機器學習識別具有即將自殺風險的人。

一個世紀以來，自殺率並沒有太大改變，自1999年以來甚至還在穩定上升。里貝羅對她的團隊的工作充滿希望，相信它會實現雄心壯志。她期待著實現突破，識別和治療最需要幫助的大量人群。

「研究計劃的整個重點，就是精確檢測所有人在所有時間點的自殺風險（概率），」里貝羅說。「我們充滿希望，但這還只是一個開始。即使這些方法未必是唯一的或者最佳的，我相信如果在這條途徑上有更多的研究人員關注，我們最終可以看到，在全球範圍內自殺行為和自殺致死的比率顯著降低，這一天並不遙遠。」

譯者：鳳翥鳶飛

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！