详细内容或原文请订阅后点击阅览
算法不是很擅长确定有自杀风险的人
***此媒体发布包含一些读者可能会感到痛苦的信息，因为它是指有关心理健康，自杀和自我伤害的数据。如果您或您知道需要帮助的任何人，现在可以提供支持。在131 114或Blue上拨打生命线（AUS）1300 22 4636，或在0800 543 354上的生命线（NZ）。研究人员收集了53项关于机器学习算法的研究，旨在预测总计超过3500万病历以及近25万自我伤害和自杀病例的自杀和自我伤害。研究人员说，这些算法通常会错过很多病例，而他们标记为高风险的大多数患者最终不会自我伤害，最终使它们无用，无法进行心理健康筛查。总体而言，研究人员说，试图通过使用机器学习或传统方法来预测自杀和自杀的高风险的人不是决定在哪里指导心理健康资源的合适方法。
来源:Scimex媒体版本
来自： plos
AI工具在预测自杀方面缺乏，发现对53项使用机器学习来预测自杀和自我伤害的研究的分析
AI工具在预测自杀方面缺乏，研究发现 分析53项使用机器学习来预测自杀和自我损害的研究发现低精度根据9月11日在墨尔本大学，澳大利亚大学，澳大利亚大学，澳大利亚大学的Matthew Spittal撰写的开放式日记学期刊PLOS医学上发表的一项新研究，机器学习算法预测自杀行为的准确性太低，无法用于筛查或优先考虑高危个人进行干预措施。
th PLOS医学在过去的50年中，已经开发了许多风险评估量表，以识别出自杀或自我伤害的高风险的患者。通常，这些量表的预测准确性差，但是现代机器学习方法与电子健康记录数据相结合的可用性重新关注了开发新算法以预测自杀和自我伤害的关注。
在新研究中，研究人员对53项先前的研究进行了系统评价和荟萃分析，该研究使用机器学习算法来预测自杀，自我伤害和合并的自杀/自我伤害结果。这些研究涉及超过3500万病历和近25万例自杀或医院治疗的自我伤害。
“我们发现这些机器学习算法的预测性能很差，没有比传统的风险评估量表更好，”作者说。 “该领域的研究的总体质量很差，大多数研究都具有偏见的高风险或不清楚的风险。在当前的临床实践指南中，没有足够的证据保证不断变化的建议。”
期刊/会议：PLOS医学
日记/会议：组织/S：墨尔本大学，纽卡斯尔大学
组织/S： 墨尔本大学，纽卡斯尔大学