عملت الأبحاث الحديثة التي أجرتها السيدة كوسوما ومجموعة من العلماء من معهد بلاك دوج ومركز أبحاث البيانات الضخمة في الصحة علي الأدلة التي تدعم قدرة نماذج التعلم الآلي على التنبؤ بالسلوكيات والأفكار الانتحارية المحتملة، حيث قاموا بتقييم فعالية 54 خوارزمية للتعلم الآلي تم إنشاؤها مسبقًا من قبل الباحثين للتنبؤ بالنتائج المرتبطة بالانتحار من التفكير والمحاولة والموت، وفقاً لموقع scitechdaily.
وجد التحليل الذي نُشر في مجلة الأبحاث النفسية، أن نماذج التعلم الآلي تفوقت على نماذج التنبؤ بالمخاطر التقليدية في التنبؤ بالنتائج المرتبطة بالانتحار، والتي كان أداؤها تقليديًا.
تقول كوسوما: "بشكل عام، تظهر النتائج أن هناك قاعدة أدلة أولية ولكنها مقنعة بأن التعلم الآلي يمكن استخدامه للتنبؤ بالنتائج المستقبلية المتعلقة بالانتحار بأداء جيد جدًا".
هناك نماذج تقييم مخاطر الانتحار التقليدية، علي سبيل المثال، في أقسام الطوارئ، غالبًا ما يستخدم الأطباء أدوات تقييم المخاطر، مثل الاستبيانات ومقاييس التصنيف، لتحديد المرضى المعرضين لخطر الانتحار بشكل كبير، ومع ذلك، تشير الدلائل إلى أنها غير فعالة في التحديد الدقيق لخطر الانتحار في الممارسة العملية.
وأشارت كوسوما: "في حين أن هناك بعض العوامل المشتركة التي تظهر أنها مرتبطة بمحاولات الانتحار، فإن شكل المخاطر بالنسبة لشخص ما قد يبدو مختلفًا تمامًا عن شخص آخر، لكن الانتحار معقد، مع وجود العديد من العوامل الديناميكية التي تجعل من الصعب تقييم ملف تعريف المخاطر باستخدام عملية التقييم التقليدية."
وجد تحليل ما بعد الوفاة للأشخاص الذين ماتوا بالانتحار في كوينزلاند، أنه من بين أولئك الذين تلقوا تقييمًا رسميًا لمخاطر الانتحار، تم تصنيف 75% على أنهم منخفضون المخاطر، ولم يتم تصنيف أي منهم على أنه شديد الخطورة، حيث وجدت الأبحاث السابقة التي فحصت الخمسين عامًا الماضية من نماذج التنبؤ الكمي لمخاطر الانتحار أنها كانت أفضل قليلاً من الصدفة في التنبؤ بمخاطر الانتحار في المستقبل.
على الرغم من نقص الأدلة لصالح تقييمات مخاطر الانتحار التقليدية، تظل إدارتها ممارسة قياسية في أماكن الرعاية الصحية لتحديد مستوى رعاية ودعم المريض، أولئك الذين تم تحديدهم على أنهم معرضون لمخاطر عالية يتلقون عادةً أعلى مستوى من الرعاية، في حين أن أولئك الذين تم تحديدهم على أنهم منخفضون الخطورة يتم إخراجهم من المستشفى.
وأضافت كوسوما "باستخدام هذا النهج، لسوء الحظ، لا يتم تقديم التدخلات عالية المستوى للأشخاص الذين يحتاجون حقًا إلى المساعدة، لذا يجب علينا أن نتطلع إلى إصلاح العملية واستكشاف السبل التي يمكننا من خلالها تحسين الوقاية من الانتحار".
قالت كوسوما: "إن هناك حاجة لمزيد من الابتكار في علم الانتحار وإعادة تقييم النماذج القياسية للتنبؤ بمخاطر الانتحار، حيث أدت الجهود المبذولة لتحسين التنبؤ بالمخاطر إلى بحثها باستخدام الذكاء الاصطناعي (AI) لتطوير خوارزميات مخاطر الانتحار، حيث إن امتلاك الذكاء الاصطناعي الذي يمكن أن يستوعب بيانات أكثر بكثير مما يمكن للطبيب أن يكون قادرًا على التعرف بشكل أفضل على الأنماط المرتبطة بمخاطر الانتحار".
في دراسة التحليل التلوي، تفوقت نماذج التعلم الآلي على المعايير التي حددتها سابقًا نماذج التنبؤ بمخاطر الانتحار السريرية والنظرية والإحصائية التقليدية. لقد توقعوا بشكل صحيح 66 % من الأشخاص الذين سيختبرون نتيجة الانتحار وتوقعوا بشكل صحيح 87 % من الأشخاص الذين لن يواجهوا نتيجة الانتحار.
وأضافت كوسوما: "يمكن لنماذج التعلم الآلي أن تتنبأ بموت الانتحار بشكل جيد مقارنة بنماذج التنبؤ التقليدية ويمكن أن تصبح بديلاً فعالاً وفعالاً لتقييم المخاطر التقليدية، وبمرور الوقت يمكن تكوين نماذج التعلم الآلي لتأخذ بيانات أكثر تعقيدًا وأكبر لتحديد الأنماط المرتبطة بمخاطر الانتحار بشكل أفضل".
لا يزال استخدام خوارزميات التعلم الآلي للتنبؤ بالنتائج المتعلقة بالانتحار مجالًا بحثيًا ناشئًا، حيث تم نشر 80 % من الدراسات المحددة في السنوات الخمس الماضية، ومن الضروري إجراء المزيد من الأبحاث لتحسين هذه الخوارزميات والتحقق من صحتها، والتي ستساعد بعد ذلك في تقدم تطبيق التعلم الآلي في علم الانتحار.
