Výzkum: Umělá inteligence v prevenci sebevražd

Identifikace osob ohrožených sebevraždou je zásadní pro prevenci a zvládání sebevražedného chování. K vyhodnocení rizika suicidia jsou běžně využívány dotazníky a různé hodnoticí škály. Jejich účinnost ve vztahu k přesné predikci rizika sebevraždy je však podle výzkumníků přinejmenším silně diskutabilní. Posmrtná analýza osob, které zemřely v australském Queenslandu v důsledku suicidia, zjistila, že z těch, u nichž bylo před smrtí provedeno formální posouzení rizika sebevraždy, bylo 75 procent klasifikováno jako nízké riziko a nikdo nebyl klasifikován jako vysoce rizikový. Předchozí výzkum zkoumající kvantitativní modely předpovědi rizika sebevraždy za posledních 50 let rovněž zjistil, že v předpovědi budoucího rizika sebevraždy jsou současné konvenční metody jen o něco lepší než náhoda.

Tým výzkumníků z australského Black Dog Institute a Centra pro výzkum velkých dat ve zdravotnictví proto prozkoumal důkazní základnu modelů strojového učení a jejich schopnost předvídat budoucí sebevražedné chování a myšlenky. Tým zhodnotil výkonnost 54 algoritmů strojového učení, které výzkumníci dříve vyvinuli k předpovídání následků souvisejících se sebevraždou, tedy myšlenek, pokusů a dokonaných sebevražd. Z metaanalýzy publikované v časopise Journal of Psychiatric Research vyplynulo, že modely strojového učení překonaly tradiční modely predikce rizik v předvídání následků souvisejících se sebevraždou. Modely strojového učení by se tak mohly v budoucnu stát účinnou a efektivní alternativou ke konvenčnímu hodnocení rizika sebevražedného chování.