ادغام غربال بالینی با الگوریتم ها، مطمئن‎ ترین روش برای پیش بینی خودکشی

امروزه مشخص شده که ادغام غربال بالینی با الگوریتم ها مطمئن ترین روش برای پیش بینی خودکشی محسوب می‌شود؛ مرکز پژوهشی دانشگاه وندربیلت، طی مطالعات جدید خود، راهکاری جدید برای پیش‌بینی کارآمدتر اقدام به خودکشی یا افکار خودکشی در بزرگسالان توسعه داده است.

به گزارش کالین والش و درو ویلیمیتیس، دو نفر از پژوهشگران حاضر در این پروژه، راهکار مذکور الگوریتم هوش مصنوعی و غربال حضوری را با هم ادغام کرده و با تکیه بر روش یادگیری جمعی، پیش‌بینی‌ اقدام به خودکشی و افکار خودکشی را بهبود بخشیده است. ادغام غربال بالینی با الگوریتم‌ها مطمئن ترین روش برای پیش بینی خودکشی محسوب می‌شود چرا که از امکانات هر دو شیوه بهره می‌برد و سنجش دقیق‌‍تری از حالات بیمار به دست می‌دهد.

والش، استادیار انفورماتیک زیست‌پزشکی، روانپزشکی و علوم رفتاری، توضیح می‌دهد: «طی آزمایشات، ترکیب غربال حضوری و غربال لحظه‌ای مبتنی بر هوش مصنوعی را برای برآورد ریسک خودکشی بررسی کرده‌ایم.»

در آمریکا، آمار خودکشی در نسل کنونی نسبت به نسل‌های گذشته افزایش یافته است و به عنوان دهمین علت مرگ‌ومیر در این کشور، هر ساله جان ۱۴ نفر از هر ۱۰۰,۰۰۰ نفر آمریکایی را می‌گیرد.

اما در سال ۲۰۱۸، واحد اورژانس بزرگسالان مرکز پزشکی وندربیلت (VUMC) شروع به استفاده از مقیاس C-SSRS (مقیاس درجه‌بندی شدت خودکشی کلمبیا) کرد؛ بدین صورت که بیماران، به عنوان بخشی از فرآیند تریاژ، به شش سؤال پاسخ می‌دهند و متخصصان با تکیه بر نتایج این پرسشنامه و به صورت نیازمحور، غربال حضوری را اجرا می‌کنند.

در سال ۲۰۱۹، VUMC به صورت آزمایشی از الگوریتم یادگیری ماشینی VSAIL (احتمال افکار و اقدام به خودکشی وندربیلت)، محصول والش و همکارانش، استفاده کرد. این الگوریتم با تکیه بر اطلاعات موجود در سوابق درمانی الکترونیک بیماران، میزان ریسک خودکشی را برای آن‌ها مشخص می‌کرد. با این حال، طی مرحله آزمایش، الگوریتم در پس‌زمینه مشغول کار بود و هیچ‌یک از نمراتش در سوابق درمانی VUMS ثبت نشدند.

پژوهش جدید اطلاعات ۱۲۰,۳۹۸ مراجع را طی ۱۵ ماه گذشته (تا سپتامبر ۲۰۲۰) بررسی کرده است. ۱۸۰ روز بعد از اجرای هر دو روش غربال (حضوری و الگوریتمی)، سوابق درمانی بیماران مورد بازبینی قرار گرفتند تا حضور افکار و اقدام به خودکشی مشخص شود. از میان تمامی موارد، ۵۱۴ اقدام به خودکشی (۲۰۵ مورد طی ۳۰ روز بعد از مراجعه) و ۳,۲۱۶ مورد افکار خودکشی گزارش شد. این آمار، مرگ‌ومیر ناشی از خودکشی را مدنظر قرار نداده است. سپس، کارآمدی روش‌های پیش‌بینی با یکدیگر مقایسه شد.

روش یادگیری جمعی تقریباً در تمامی موارد، در مقایسه با هر یک از رویکردهای C-SSRS یا VSAIL به تنهایی، بهترین عملکرد را از خود نشان داد. این روش نشان داد ادغام غربال بالینی با الگوریتم‌ها مطمئن ترین روش برای پیش‌بینی خودکشی به‌شمار می‌آید.

ویلیمیتیس، تحلیل‌گر آمار آزمایشگاه والش، معتقد است: «یادگیری جمعی توانست نقاط قوت غربالگری بالینی و یادگیری ماشینی را با هم ادغام کرده و نقاط ضعف‌شان را از میان بردارد. همین خاصیت مکمل بودن است که ادغام تخصص بالینی، داده‌های بیماران و هوش مصنوعی را برای تشخیص و پیش‌بینی کارآمدتر ریسک رفتارهایی همچون خودکشی، تشویق می‌کند.»

تقریباً ۱ نفر از هر ۲۰۰ نفر از ۱۰ درصد بیمارانی که بالاترین نمرات (ریسک) را در مقیاس C-SSRS یا VSAIL به دست آوردند، طی ۳۰ روز بعد از مراجعه اقدام به خودکشی کردند. اما با روش یادگیری جمعی، حدود ۳ نفر از هر ۲۰۰ بیماری که در صدک بالایی ریسک قرار داشتند، طی ۳۰ روز اولیه اقدام به خودکشی کردند.

والش می‌گوید: «نتایج مطالعات ما نشان داد که ادغام غربال بالینی با الگوریتم‌ها مطمئن ترین روش برای پیش بینی خودکشی محسوب می‌شود و می‌تواند پیش‌بینی اقدام به خودکشی را ارتقاء دهد، حتی اگر الگوریتم‌ها اصلاً با داده‌های حاصل از غربال حضوری آموزش ندیده باشند. پژوهش حاضر را می‌توان مصداق بارز این موضوع دانست که انسان‌ها و ماشین‌های هوشمند در کنار یکدیگر، بهتر و قدرتمندتر از هرکدام آن‌ها به تنهایی هستند.»

گروه پژوهشی والش در گام بعد، الگوریتم هوش مصنوعی را در VUMC تحت آزمایش بالینی تصادفی قرار می‌دهد تا کارآمدی آن را در بیماران سرپایی بسنجد. در نیمی از مراجعان (که به صورت تصادفی انتخاب می‌شوند)، نمرات بالای VSAIL باعث می‌شود الگوریتم به صورت خودکار، یک هشدار الکترونیک برای متخصصان ارسال کرده و به آن‌ها پیشنهاد دهد برای ارزیابی ریسک خودکشی، غربال حضوری انجام دهند. سپس پژوهشگران نرخ به دست آمده از غربال حضوری را (ابتدا در میان مراجعانی که VSAIL پرخطر تشخیص داده است و سپس سایر مراجعان) بررسی می‌کنند.

سایر پژوهشگران حاضر در این پژوهش عبارت‌اند از: رابرت تورر، مایکل ریپرگر، الیسون مک‌کوی، سارا اسپری، الیوت فیلشتاین و تروی کرز. پروژه‌ی حاضر از سوی مؤسسات ملی بهداشت و درمان و صندوق نوآوری اویلین سلبی استید پشتیبانی شده است.

جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید