人工智能使用基本健康数据识别自杀者

　　研究人员已经证明了使用机器学习来预测普通人群的自杀情况，并通过包括常规健康检查中的数据来达到良好的准确性。

　　在定于一项研究发表在12月份版的杂志精神病学研究中，科学家，全部来自韩国嘉泉大学，暗示他们的模型可以帮助屏和预防自杀作为标准的初级护理实践的一部分。

　　通讯作者Kyoung-Sae Na及其同事使用随机森林算法在来自372,000多人的检查数据上训练了他们的模型。

　　他们使用死亡证明数据对训练集进行了五次交叉验证，然后使用训练中未包括的单独测试集测量了模型的性能。

　　研究小组发现，他们的模型在一年的随访中的准确性为78.8%，在不同长度的总体随访期间的准确性为75.4%。

　　重要的是，该模型在识别非自杀者方面非常准确，在两个随访期间的负预测值均为0.999%。

　　在他们的讨论中，作者引用了一项先前的研究，该研究在10年的时间里研究了800,000多人，但准确性较差。本研究的作者认为，那里的弱点在于主要依靠从保险索赔中获得的数据。

　　他们写道：“由于自杀是人口，生物和社会心理变量以及精神疾病等多种因素的复杂相互作用，因此有必要设计一个包含这些变量的预测模型。”

　　Na等。建议他们包括从体检报告中收集的一些自杀预测数据，对于产生预测模型具有决定性作用，该模型可以“一方面能够以更精确的规模进一步筛查受试者，另一方面为在这些主题中制定有效的干预策略。”

　　作者进一步建议，他们的模型在世界上精神疾病受到严重污名化并因此刻苦避免精神保健的地区特别有用。

　　他们指出，他们的祖国就是这样一个地方，并且是世界上自杀率最高的国家之一。

　　相比之下，美国人口在很大程度上接受精神保健。Na和同事援引先前的研究结果指出，在美国死于自杀的人中，有三分之二在去世前一年寻求心理健康服务，而30%的人有精神病住院或急诊就诊的记录。

　　Na和同事写道：“在这样的社会文化环境中，集中精力于患有精神疾病或自杀未遂的高风险人群会更有效。”