自杀式预测方法结合了人工智能和面对面的筛查

范德比尔特大学医学中心的新观察研究指出解决方案有效的临床预测自杀或自杀想法的成年人。

5月13日报道《美国医学会杂志》网络开放Wilimitis,科林·沃尔什博士马,和他的同事们,研究比较人工智能算法与面对面的筛选。

预测全面改善这两种方法结合时,产生所谓的整体学习法。

“这次测试是一种罕见的考试之间的协同实时AI和面对面的筛查评估自杀风险,”沃尔什说,生物医学信息学副教授,医学和精神病学和行为科学。

自杀一直在增加在美国一代和估计声称每年14 100000年美国人的生活,使其成为国家的十大死因。

2018年,VUMC大人急诊科实施哥伦比亚自杀严重程度量表(C-SSRS),患者经常回答six-item问卷作为治疗的一部分。同时,团队在其他领域的VUMC使用这个问卷面对面的需要的基础上筛选。

2019年,VUMC测试基础上打开一个机器学习沃尔什和他的团队开发的算法,称为范德比尔特自杀意念的可能性,或VSAIL。算法运行在后台默默地,生成每个病人遇到的风险分数基于电子健康记录的信息。继续测试时,没有包括在VSAIL分数在VUMC健康记录。

这项新研究集中在120398病人在15个月2020年9月结束访问。对于每一个遇到的风险评估方法,综述了健康记录180天后对于自杀未遂和自杀的念头。在所有有514记录自杀企图在研究小组(205年发生在30天内病人的访问),和3126例自杀意念。自杀死亡没有跟踪。预测方法比较,参照各种风险阈值和患者随访时间。

合奏的方法几乎总是出来最好的相比C-SSRS或VSAIL孤单。

“整体学习各自的优势结合临床筛查和机器学习,减轻自己的弱点时,“Wilimitis说,沃尔什的实验室的统计分析。“这传统的临床评估和统计预测之间的互补性应该鼓励临床医生专业知识的进一步融合,病人输入和人工智能为有效检测风险。”

在10%的患者每C-SSRS或VSAIL风险最高的分数,在200年有一个30天内企图自杀。但随着整体方法,每200名患者在前三等分30天内企图自杀的风险。

“我们的研究结果显示整合clinician-led筛选算法提高了自杀prediction-even如果这些算法没有训练与面对面的筛选首先,”沃尔什说。“这项研究是一个很好的例子,聪明的人类+机器比独自一个。”

沃尔什的球队将进行随机临床试验在人工智能算法的VUMC门诊临床决策支持。随机访问的一半,每VSAIL高风险分数会自动触发电子健康记录提醒临床医生,建议面对面的筛查自杀风险。研究小组将首先检查的面对面的筛选率的情况下每VSAIL标记为临床医师(高风险)和控制(unflagged高风险)。