范德堡大學用機器學習預測自殺，準確率在80％以上

安妮 編譯自 Quartz

量子位出品 | 公眾號 QbitAI

全球每年有80萬人死於自殺，這是一個不容忽視的公共衛生問題。有研究表明，醫護人員提供的自殺評估報告對抑制自殺也不甚奏效。

目前，美國范德堡大學醫療中心的數據學家Colin Walsh可以用機器學習演算法預測自殺傾向，並將他們的研究成果刊登在《臨床心理科學》上。

梵高在1890自殺，死前留下這幅《在永生之門》

這項研究的準確性驚人的高。在試驗中，預測「兩年內是否會嘗試自殺」的準確性在80%-90%之間，預測「一周內是否會嘗試自殺」的概率高達92%。那麼，Walsh團隊是如何實現這項成果的呢？

研究方法

這項預測演算法是基於醫院廣泛的入院數據製作的，數據涵蓋了病患的年齡、性別、所在地區、用藥記錄和先前診斷等信息。

Walsh和他的團隊收集了5167名范德堡大學醫療中心病人的數據，這些病人都承認自己有自我傷害行為或自殺意念傾向。Walsh團隊了解了這些病例情況後，鑒定出3250例自殺未遂的情況。

但凡演算法的訓練都需要大量數據的支撐，Walsh團隊也不例外。他們用了5000多個案例來訓練機器，讓它在有自我傷害行為的人中篩出可能嘗試過自殺的人。研究人員為此建立演算法，隨機抽取12695個無自殺記錄的病患，預測他們是否嘗試過自殺。簡單來說，就是預測醫院病患的自殺風險。

發表論文只是研究的第一階段，目前Walsh在用另一家醫院的完全不同的數據集研究演算法的準確率。他希望確定了模型可靠後可以與更大的團隊合作，在未來兩年內研究合適的干預項目。「我想它會很快實現，但在醫療行業，很快也需要數月時間。」Walsh說。

關鍵在於如何解讀數據

從人自身角度來說，自殺是一項強烈的個人行為，基於原始數據集達到如此高的預測準確率幾乎是不可能的。Walsh說，臨床醫生對機器預測好奇是正常的，但演算法非常複雜，只揪出單一因素來解釋也是不可能的。「這項預測是風險因素的組合，也是它給予了我們答案。」Walsh說。

Walsh團隊發現服用褪黑素似乎是自殺的前兆。褪黑素是晝夜節律的一部分，也是人體內生物鐘得以維持的重要因素。「我不認為服用褪黑素會導致患者自殺，沒有生理學知識證明褪黑素促進自殺。但需要注意的一點是，睡眠障礙和自殺有直接的關係。」Walsh說。

目前，這個機器學習演算法只基於入院治療的病患數據，但是Walsh認識到很多有自殺傾向的病人並不會事先去醫院接受治療。他對此進行了表態：「如果我們只依靠來自醫療保健單位的數據，那我們也就只能在那停滯不前了。」

因此，他們開始在Facebook和Twitter上投入一些精力。來自社交網路的數據會更全面，也更有利於預測自殺的風險。對於這項研究，他們將從判斷社交網路上信息的真假著手。

預測自殺是為了更好地干預自殺，可能不久後機器做得比心理醫生還要好了。

【完】

一則通知

量子位正在組建自動駕駛技術群，面向對象為研究自動駕駛相關領域的在校學生或一線工程師~歡迎大家私信量子位（Qbitbot）申請加入哈~

學習推薦

6月15號，量子位組織了一場沙龍，邀請到了圖森首席科學家王乃岩博士分享自動駕駛相關話題，歡迎大家長按下圖掃碼報名~

One More Thing…

今天AI界還有哪些事值得關注？在量子位（QbitAI）公眾號對話界面回復「今天」，看我們全網搜羅的AI行業和研究動態。筆芯~

掃碼強行關注『量子位』

追蹤人工智慧領域最勁內容

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！