研究人員已經(jīng)證明了使用機器學習來預測普通人群的自殺情況，并通過包括常規(guī)健康檢查中的數(shù)據(jù)來達到良好的準確性。

在定于一項研究發(fā)表在12月份版的雜志精神病學研究中，科學家，全部來自韓國嘉泉大學，暗示他們的模型可以幫助屏和預防自殺作為標準的初級護理實踐的一部分。

通訊作者Kyoung-Sae Na及其同事使用隨機森林算法在來自372，000多人的檢查數(shù)據(jù)上訓練了他們的模型。

他們使用死亡證明數(shù)據(jù)對訓練集進行了五次交叉驗證，然后使用訓練中未包括的單獨測試集測量了模型的性能。

研究小組發(fā)現(xiàn)，他們的模型在一年的隨訪中的準確性為78.8%，在不同長度的總體隨訪期間的準確性為75.4%。

重要的是，該模型在識別非自殺者方面非常準確，在兩個隨訪期間的負預測值均為0.999%。

在他們的討論中，作者引用了一項先前的研究，該研究在10年的時間里研究了800，000多人，但準確性較差。本研究的作者認為，那里的弱點在于主要依靠從保險索賠中獲得的數(shù)據(jù)。

他們寫道：“由于自殺是人口，生物和社會心理變量以及精神疾病等多種因素的復雜相互作用，因此有必要設(shè)計一個包含這些變量的預測模型?！?/p>

Na等。建議他們包括從體檢報告中收集的一些自殺預測數(shù)據(jù)，對于產(chǎn)生預測模型具有決定性作用，該模型可以“一方面能夠以更精確的規(guī)模進一步篩查受試者，另一方面為在這些主題中制定有效的干預策略?！?/p>

作者進一步建議，他們的模型在世界上精神疾病受到嚴重污名化并因此刻苦避免精神保健的地區(qū)特別有用。

他們指出，他們的祖國就是這樣一個地方，并且是世界上自殺率最高的國家之一。

相比之下，美國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結(jié)果指出，在美國死于自殺的人中，有三分之二在去世前一年尋求心理健康服務(wù)，而30%的人有精神病住院或急診就診的記錄。

Na和同事寫道：“在這樣的社會文化環(huán)境中，集中精力于患有精神疾病或自殺未遂的高風險人群會更有效。”