تلاش‌های آینده برای پیشگیری از خودکشی را می‌توان با هوش مصنوعی بهبود بخشید.
از دست دادن هر زندگی ویرانگر است، اما از دست دادن زندگی به دلیل خودکشی فوق العاده غم انگیز است.
خودکشی عامل اصلی مرگ و میر استرالیایی‌های ۱۵ تا ۴۴ ساله است که روزانه تقریباً ۹ نفر را از بین می‌برد. بر اساس برخی برآوردها، اقدام به خودکشی ۳۰ برابر بیشتر از مرگ و میر اتفاق می افتد.
«کارن کوسوما» استاد روانشناسی در دانشگاه «نیو ساوت ولز» استرالیا می‌گوید: خودکشی تاثیرات بزرگ و گسترده‌ای برای خانواده، دوستان و جامعه دارد. در این حال تحقیقات اخیر انجام شده توسط کوسوما و گروهی از دانشمندان موسسه «بلک داگ» و «مرکز تحقیقات داده‌کاوی سلامتی» به بررسی نقش و تاثیر مدل‌های یادگیری ماشینی در زمینه پیش‌بینی افکار و رفتارهای بالقوه انتحاری پرداخته است.
تحقیقات اخیری آنها شواهدی را بررسی کرد که از توانایی مدل‌های یادگیری ماشین برای پیش‌بینی رفتارها و افکار خودکشی بالقوه پشتیبانی می‌کرد. آنها کارآیی ۵۴ الگوریتم یادگیری ماشینی را که قبلاً توسط محققان برای پیش‌بینی پیامدهای مربوط به خودکشی مانند فکر، تلاش و مرگ ایجاد شده بود، ارزیابی کردند.
خانم کوسوما می‌گوید: «به طور کلی، یافته‌ها نشان می‌دهند که یک پایه شواهد اولیه اما قانع‌کننده وجود دارد که می‌توان از یادگیری ماشینی برای پیش‌بینی نتایج مربوط به خودکشی در آینده با عملکرد بسیار خوب استفاده کرد.
به منظور پیشگیری و مدیریت رفتارهای خودکشی، شناسایی افرادی که در معرض خطر خودکشی هستند بسیار مهم است. با این حال، پیش بینی ریسک چالش برانگیز است.»
در بخش های اورژانس (ED)، پزشکان اغلب از ابزارهای ارزیابی خطر، مانند پرسشنامه ها و مقیاس های رتبه بندی، برای مشخص کردن بیمارانی که در معرض خطر بالای خودکشی هستند، استفاده می کنند. با این حال، شواهد نشان می دهد که آنها در تعیین دقیق خطر خودکشی در عمل بی اثر هستند.
تلاش‌ها برای بهبود پیش‌بینی خطر منجر به تحقیقات “کارن کوسوما” با استفاده از هوش مصنوعی (AI) برای توسعه الگوریتم‌های خطر خودکشی شده است.
کوسوما می‌گوید: «داشتن هوش مصنوعی که می‌تواند داده‌های بسیار بیشتری نسبت به یک پزشک بالینی دریافت کند، می‌تواند بهتر تشخیص دهد که کدام الگوها با خطر خودکشی مرتبط هستند».
در مطالعه متاآنالیز، مدل‌های یادگیری ماشینی از معیارهایی که قبلاً توسط مدل‌های بالینی، نظری و آماری پیش‌بینی خطر خودکشی سنتی تعیین شده بود، عملکرد بهتری داشتند. آنها به درستی ۶۶ درصد از افرادی که نتیجه خودکشی را تجربه می کنند و ۸۷ درصد از افرادی که نتیجه خودکشی را تجربه نمی کنند به درستی پیش بینی کردند.
خانم کوسوما می‌گوید: «مدل‌های یادگیری ماشینی می‌توانند مرگ‌های خودکشی را به خوبی نسبت به مدل‌های پیش‌بینی سنتی پیش‌بینی کنند و می‌توانند جایگزینی کارآمد و مؤثر برای ارزیابی‌های ریسک مرسوم شوند».
از دست دادن هر زندگی ویرانگر است، اما از دست دادن زندگی به دلیل خودکشی فوق العاده غم انگیز است.
خودکشی عامل اصلی مرگ و میر استرالیایی‌های ۱۵ تا ۴۴ ساله است که روزانه تقریباً ۹ نفر را از بین می‌برد. بر اساس برخی برآوردها، اقدام به خودکشی ۳۰ برابر بیشتر از مرگ و میر اتفاق می افتد.
«کارن کوسوما» استاد روانشناسی در دانشگاه «نیو ساوت ولز» استرالیا می‌گوید: خودکشی تاثیرات بزرگ و گسترده‌ای برای خانواده، دوستان و جامعه دارد. در این حال تحقیقات اخیر انجام شده توسط کوسوما و گروهی از دانشمندان موسسه «بلک داگ» و «مرکز تحقیقات داده‌کاوی سلامتی» به بررسی نقش و تاثیر مدل‌های یادگیری ماشینی در زمینه پیش‌بینی افکار و رفتارهای بالقوه انتحاری پرداخته است.
تحقیقات اخیری آنها شواهدی را بررسی کرد که از توانایی مدل‌های یادگیری ماشین برای پیش‌بینی رفتارها و افکار خودکشی بالقوه پشتیبانی می‌کرد. آنها کارآیی ۵۴ الگوریتم یادگیری ماشینی را که قبلاً توسط محققان برای پیش‌بینی پیامدهای مربوط به خودکشی مانند فکر، تلاش و مرگ ایجاد شده بود، ارزیابی کردند.
خانم کوسوما می‌گوید: «به طور کلی، یافته‌ها نشان می‌دهند که یک پایه شواهد اولیه اما قانع‌کننده وجود دارد که می‌توان از یادگیری ماشینی برای پیش‌بینی نتایج مربوط به خودکشی در آینده با عملکرد بسیار خوب استفاده کرد.
به منظور پیشگیری و مدیریت رفتارهای خودکشی، شناسایی افرادی که در معرض خطر خودکشی هستند بسیار مهم است. با این حال، پیش بینی ریسک چالش برانگیز است.»
در بخش های اورژانس (ED)، پزشکان اغلب از ابزارهای ارزیابی خطر، مانند پرسشنامه ها و مقیاس های رتبه بندی، برای مشخص کردن بیمارانی که در معرض خطر بالای خودکشی هستند، استفاده می کنند. با این حال، شواهد نشان می دهد که آنها در تعیین دقیق خطر خودکشی در عمل بی اثر هستند.
تلاش‌ها برای بهبود پیش‌بینی خطر منجر به تحقیقات “کارن کوسوما” با استفاده از هوش مصنوعی (AI) برای توسعه الگوریتم‌های خطر خودکشی شده است.
کوسوما می‌گوید: «داشتن هوش مصنوعی که می‌تواند داده‌های بسیار بیشتری نسبت به یک پزشک بالینی دریافت کند، می‌تواند بهتر تشخیص دهد که کدام الگوها با خطر خودکشی مرتبط هستند».
در مطالعه متاآنالیز، مدل‌های یادگیری ماشینی از معیارهایی که قبلاً توسط مدل‌های بالینی، نظری و آماری پیش‌بینی خطر خودکشی سنتی تعیین شده بود، عملکرد بهتری داشتند. آنها به درستی ۶۶ درصد از افرادی که نتیجه خودکشی را تجربه می کنند و ۸۷ درصد از افرادی که نتیجه خودکشی را تجربه نمی کنند به درستی پیش بینی کردند.
خانم کوسوما می‌گوید: «مدل‌های یادگیری ماشینی می‌توانند مرگ‌های خودکشی را به خوبی نسبت به مدل‌های پیش‌بینی سنتی پیش‌بینی کنند و می‌توانند جایگزینی کارآمد و مؤثر برای ارزیابی‌های ریسک مرسوم شوند».
کد خبر ۲۰۲۰۱۰۸۱۴.۰۰۴
