机构名称：
¥ 1.0
引言 自杀占全球死亡人数的 1.5%，每年有超过 800,000 人死于自杀。1 2 超过 80% 的自杀发生在低收入和中等收入国家。虽然正在开展大量工作来减少自杀的影响，但仍有许多工作要做。在许多情况下，有自杀风险的人由于担心被污名化和强制医疗而不愿与医生或社区接触；更糟糕的是，患有精神疾病的人（占自杀死亡人数的大多数）可能对自己的精神状态缺乏了解，并且不认为自己有自杀风险。这些问题因医生在就诊时很难识别有自杀风险的人而更加严重。为了减少自杀的影响，人们对使用人工智能 (AI)、数据科学和其他分析技术来改进自杀预测和风险识别的兴趣日益浓厚。随着电子病历 (EMR) 和人们分享情绪状态见解的在线平台 (社交媒体) 的激增，现在研究人员可以获得大量相关健康数据。当与其他数据源链接时，对这些复杂信息集 (俗称“大数据”) 的分析可以一次性提供一个人的生物、社会和心理状态的快照。通过分层数学模型 (AI 算法) 处理大数据，机器可以学会检测使用传统生物统计学形式无法解读的模式。纠正算法错误 (训练) 可以提高 AI 预测模型的准确性。3 因此，AI 完全有能力应对利用大数据预防自杀的挑战。广义上讲，这些分为两类：1. 医学自杀预测工具：研究人员和医生可以使用机器学习等 AI 技术，通过利用来自 EMR、医院记录和其他潜在政府数据源的数据来确定表明自杀风险的信息和行为模式。最典型的是，这些工具将在医院环境或全科医生 (GP) 手术中使用，为医生在确定患者的自杀风险时提供“决策支持”。这些工具的开发正在传统研究环境中进行，并取得了令人鼓舞的成果。i. 示例：通过将机器学习应用于 EHR，Walsh 等人 (2017) 在预测自杀企图是否发生时实现了 80%– 90% 的准确率 (AUC = 0.80 - 0.84)
人工智能自杀预测工具：医疗领导者的道德考量
主要关键词
相关文件推荐
