科学家们转向机器学习来拯救生命

在一位亲戚或亲密朋友自杀后，幸存的家人和朋友会面临许多痛苦的问题:“是什么让他们这么做的?”“他们为什么不寻求帮助?”最麻烦的问题通常是，“我能做些什么来防止这种情况发生吗?”

临床心理科学家正在大规模地提出同样的问题，并通过大数据和机器学习在寻找答案方面取得了进展。心理学研究人员与包括医学和计算机科学在内的其他学科的科学家合作，希望他们的模型能帮助临床医生识别并帮助那些有自杀危险的人。金宝搏官网登录金宝搏官网登录研究人员已经在探索现有的数据源，包括医疗记录、脑部扫描、血液测试、健身追踪器、智能手机和社交媒体，这些都可以用于这些模型。

迫切需要

有关自杀的统计数据表明，迫切需要更好的预测模型。世界卫生组织估计，每年有80万人自杀，相当于每40秒就有一人自杀。美国政府的疾病控制和预防中心最近报告称，1999年至2016年期间，几乎每个州的自杀率都有所上升。尽管大学校园的自杀率低于普通人群，但在大学生死亡的主要原因中，自杀仅次于意外事故。

但罗切斯特大学的心理学家凯瑟琳·r·格伦及其同事考特尼·巴格(密西西比大学)和安德鲁·利特尔菲尔德(德克萨斯理工大学)在2017年发表的一篇论文中指出，研究尚未产生可以帮助临床医生预测和预防自杀的工具临床心理科学．他们写道，大多数现有的风险因素可以预测自杀的想法，但不能预测实际的自杀行为。

“之前的研究主要集中在确定哪些人有自杀行为的风险。然而，我们对此所知甚少当个人面临的风险最大，这对于告知临床护理(例如，决定一个人是否需要住院)是极其重要的，”格伦和她的合著者说。

临床医生传统上专注于识别人群或患者中的一些危险因素。例如，在退伍军人中，自杀的风险因素包括创伤后应激障碍、阿片类药物剂量和在战争中丧生。数据显示，在所有人群中，男性的自杀风险高于女性。但仅依靠少数风险因素来评估患者会导致假阳性和假阴性的危险。

金宝搏官网登录研究人员发现，在所有人群中，未来自杀企图的最大风险因素实际上是自杀以前的尝试。

目前的风险评估通常涉及冗长的访谈和问卷调查，由于几个原因缺乏可靠的预测能力，其中包括相当依赖于自我报告。

格伦说:“在大多数临床环境和研究研究中，为了评估目前的自杀想法和自杀行为的潜在风险，我们要求个人表明他们是否有自杀的想法，是否有自杀计划，或者是否打算实施自杀的想法。”“人们可能会因为想要出院或不想住院而犹豫是否要做出准确的回答。他们可能有一个积极的自杀计划，不想被阻止。”

临床心理学家David Rozek是国家退伍军人研究中心的培训主任，也是犹他大学精神病学的研究员，他说，大多数评估都依赖于测量特定的风险因素和临床判断。但这些评估通常没有揭示任何关于进展患者的自杀想法，使得无法确定自杀企图是迫在眉睫还是可能在明年发生。

Rozek说:“我们目前的测量方法很难在相对较短的时间内(几小时、几天)捕捉到有临床意义的变化，因为目前的测量方法通常集中在持续时间较长的风险上。”

预测算法

开发更可靠的预测工具的一种新方法是使用电子健康记录形式的回顾性数据。

格伦指出:“大多数自杀死亡的人会在死前一年去看医疗服务提供者，在死前几个月和几个星期里也有相当大的比例。”“通过电子病历进行检测可能有助于识别需要更深入的风险评估和与精神健康治疗联系的高危人群。”

范德堡大学生物信息学、医学和精神病学助理教授科林·沃尔什(Colin Walsh)是研究区分时间敏感风险水平方法的科学家之一。沃尔什和来自佛罗里达州立大学的同事们梳理了5000名患者的电子病历，其中包括自残案例，并根据图表中包含的其他信息构建了自杀企图的预测算法。自残很容易从医疗图表的诊断代码中发现，但并不总是反映自杀企图。因此，研究人员金宝搏官网登录不得不重新审视每张图表，以找出真正的自杀未遂案例。

沃尔什在一次采访中说:“风险如此之高，我们希望确保我们真的非常严格地对待这种方法。”“我们在这篇论文中确定了5500张数据中有(自残)代码的图表。我们的团队决定重新检查这些图表中的每一张，这不是一项小任务。”

他们的计算机程序最终将从这些原始数据中学习如何预测自杀企图，正如该团队在报告中所报告的那样临床心理科学．他们在建立模型之前识别出的每一个假阳性都意味着最终产品的准确性更高。

沃尔什说:“我们发现的第一个结果是，在42%的情况下，那些自残代码在自杀意图的图表审查中也没有证据。”

沃尔什和他的同事利用这些电子病历数据开发了一个机器学习程序来发现规律。他们将记录与后来的自杀和自杀企图进行了比较。计算机算法测试了数百万种不同的模式，将电子病历中的条目代入方程，通过反复试验建立了精确的模型。当它完成时，它可以取一份医疗记录，并计算出一个人企图自杀的概率。它的准确性来自于能够考虑如此多的变量及其对风险的或大或小的贡献，并快速求解方程。虽然最好的人类预测模型的准确率约为60%，但沃尔什和同事的算法识别未来自杀企图的准确率为84%。

混合数据

虽然沃尔什和他的同事们的模型使用电子健康记录，但机器学习算法可以用于多种类型的数据。金宝搏官网登录美国和加拿大的研究人员发现，在自杀死亡的人和在同一年龄突然非自杀死亡的人之间，大脑扫描和神经反应数据存在差异。与没有尝试过自杀的退伍军人相比，试图自杀的退伍军人有不同的基因表达。这些数据也可以被考虑并构建到一个算法中，使用行为、医疗、神经和基因组数据来进行预测。

美国退伍军人协会已经开始将预测技术纳入他们改善退伍军人福利和防止退伍军人自杀的努力中，包括他们的康复参与和协调促进健康的退伍军人强化治疗倡议。他们在确定最有自杀风险的退伍军人方面的努力是有希望的，但仍处于概念验证阶段。

社交媒体模式

电子病历为自杀风险评估提供了一个很有前景的基础，但对于那些有自杀想法但从未去过医生办公室或精神卫生机构的人来说，该怎么办?

文本识别和照片分析正在打开大门，以筛选大量的人口基于
他们自愿放弃的信息，即使他们可能没有寻求心理帮助。这些算法扫描
社交媒体档案和时间线来评估用户的心理健康状况。一种机器学习算法能够识别最终自杀的军事人员在社交媒体上发布的常见行为，另一种算法能够根据Instagram照片的特征，如颜色饱和度、亮度和照片中人脸的数量，发现那些后来被诊断为抑郁症(但没有试图自杀)的人。这些模式并不总是清晰到足以用于诊断，但它们可能在未来导致一些有价值的风险评估工具。在这些数据在临床应用之前，未来扫描个人资料或使用社交媒体数据的医疗专业人员或组织也必须解决隐私问题。

进入田野

达特茅斯学院的心理学家Bill Hudenko和他的合作伙伴正在将最新的自杀风险和预防技术从实验室推广到临床医生手中。2012年，他的同事Rob Althoff、Sanchit Maruti、Isabelle Desjardins和Willy Cats-Baril在佛蒙特大学医学中心进行了一项很有前景的研究，表明一份简短的自适应问卷可以在72小时内筛查急诊室(ER)患者的自杀企图风险，就像训练有素的精神科医生一样准确。在与Hudenko合作后，研究小组发现，多达5%的急诊室患者可能有很高的短期自杀风险，但只有一半的患者是带着精神疾病来急诊室的。

Hudenko在筛查方法中看到了一个机会，因为风险问卷是通过软件进行评分的，随着时间的推移，预测准确性能够提高。以小说的筛选器为起点，Hudenko随后在其基础上进行了进一步的开发。他的设想是一套快速、易用的问题，全国每个急诊室的病人都会填写。那些被标记为高风险的人将得到包括精神病学评估或监督在内的急性护理。一旦患者出院，专家临床帮助、社会支持和人工智能将结合在智能手机应用程序中，在他们自己的环境中为他们提供个性化、有效的护理。该应用程序将患者与行为健康教练联系起来，然后教练将患者与家人、朋友、神职人员或其他与他们关系密切的人联系起来，这些人可以接受教育，并被招募组成一个支持网络。

哈登科说:“在回顾了对高危人群中预防自杀的最有效方法的研究后，我们一次又一次地发现，维持安全的最重要因素之一是对高危人群的积极社会支持。”

患者将继续通过应用程序完成风险评估，应用程序中的自然语言处理器可以监控他们的信息(在患者允许的情况下)，以寻找暗示即将发生自杀企图的语言。如果应用程序发现了严重的风险，行为健康教练将能够在5分钟内联系患者，并在10分钟内启动主动救援。

哈登科说:“预防自杀的最大挑战之一是，那些面临最大风险的人往往不寻求帮助。”“所以我们采取了不同的方法。我们正在努力预测和了解风险何时升级，以便我们能够伸出援手，预防自杀，而不是对危险情况做出反应。”

作为Voi(一家致力于降低全国自杀率的公司)首席科学官的新角色，Hudenko和他的同事们现在正在全美范围内研究和传播自杀风险评估和预防软件。

定制评估工具

格伦指出，不同的风险评估策略可能对不同的人群有效。

她说:“老年人可能更经常看他们的初级保健医生，因此电子病历可能是比年轻人更丰富的信息来源。”“对于年轻人来说，我们可能会从他们的社交媒体或其他‘数字表型’方法(如通过智能手机或可穿戴传感器进行主动或被动监测)中获得更丰富的信号。”

研究人员说，虽然这些新模型可能无法解释可能在个人自杀风险中发挥作用的心理健康状况和生活环境，但大规模算法仍有望识别出高危人群，这些人可以作为干预的目标，或提供自愿寻求帮助的资源。金宝搏官网登录