Исследователи разработали новый алгоритм, основанный на машинном обучении, который демонстрирует высокую точность выявления подростков, у которых возникают суицидальные мысли и поведение. Орион Веллер из Университета Джона Хопкинса в Балтиморе, штат Мэриленд, и его коллеги представляют эти результаты в журнале с открытым доступом PLOS ONE 3 ноября 2021 г.
Десятилетия исследований выявили конкретные факторы риска, связанные с суицидальными мыслями и поведением среди подростков, что помогает информировать усилия по профилактике суицида. Однако мало исследований изучали эти факторы риска в сочетании друг с другом, особенно в больших группах подростков. Теперь область машинного обучения открыла новые возможности для таких исследований, которые в конечном итоге могут улучшить профилактические меры.
Чтобы изучить эту возможность, Веллер и его коллеги применили анализ машинного обучения к данным опроса старшеклассников в Юте, который регулярно проводится для отслеживания таких проблем, как злоупотребление наркотиками и психическое здоровье. Данные включали ответы на более чем 300 вопросов каждый для более чем 179000 старшеклассников, принявших участие в опросе в период с 2011 по 2017 год, а также демографические данные из США.S. перепись.
Исследователи обнаружили, что они могут использовать данные опроса, чтобы с точностью 91% предсказать, какие ответы отдельных подростков указывают на суицидальные мысли или поведение. При этом они смогли определить, какие вопросы обследования имели наибольшую предсказательную силу; Сюда входили вопросы о домогательствах или угрозах в цифровых СМИ, издевательствах в школе, серьезных спорах дома, поле, употреблении алкоголя, чувстве безопасности в школе, возрасте и отношении к марихуане.
Точность нового алгоритма выше, чем у ранее разработанных подходов к прогнозированию, что позволяет предположить, что машинное обучение действительно может улучшить понимание суицидальных мыслей и поведения подростков и, таким образом, может помочь в разработке и уточнении профилактических программ и политик.
Будущие исследования могут расширить новые результаты за счет использования данных из других штатов, а также данных о фактических показателях самоубийств.
Авторы добавляют: "В нашей статье исследуются подходы к машинному обучению, примененные к большому набору данных анкет для подростков, чтобы предсказать суицидальные мысли и поведение на основе их ответов. Мы находим высокую точность прогнозов при выявлении тех, кто подвержен риску, и анализируем нашу модель с учетом последних достижений в интерпретируемости машинного обучения. Мы обнаружили, что факторы, которые сильно влияют на модель, включают запугивание и домогательства, как и ожидалось, а также аспекты их семейной жизни, такие как пребывание в семье с криком и / или серьезными аргументами. Мы надеемся, что это исследование может дать информацию для информирования о мерах по ранней профилактике."