利用人工智能来梳理自杀的警告信号，研究确定了关键的预测因素

伍斯特理工学院(WPI)和贝尔蒙特哈佛医学院附属麦克林医院的一组研究人员和临床医生正在使用人工智能技术来更好地预测患有某些与创伤相关疾病的女性的自杀风险。

他们为期三年的研究结果最近发表在《科学》杂志上欧洲精神创伤学杂志，可以为临床医生提供一种快速筛查警告信号的新方法，并代表着在使用人工智能来理解自杀自残方面的突破。

这项研究收集了McLean医院123名女性患者的数据，其中93名有童年虐待史，创伤后应激障碍(PTSD)和不同程度的分离，以及30个对照组。

由德米特里·科金，哈罗德·l·61法学家和希瑟·e·法学家迪恩的WPI计算机科学教授，劳伦·a·m·勒波伊斯，麦克莱恩医院解离性障碍和创伤研究项目主任，以及苏哈斯·斯里尼瓦桑，WPI博士生领导的集合团队开发了一种算法，可以准确预测患者组的自杀企图史，并确定自杀想法和行为风险最大的患者亚组。

该团队的方法是双重的。首先，它使用Korkin团队开发的新型人工智能方法来聚类从队列中获取的数据，以查看是否出现了模式。科尔金说，研究小组利用这些数据揭示了患者群体的不同模式。这些模式决定了一系列分离性症状，包括脱离自我意识或脱离环境，通常是对创伤的反应，这与之前的自杀企图有关。

其次，该团队训练了一种算法，将不同程度的游离症患者与30名健康对照受试者分开。研究小组在这方面也取得了成功:该算法将特定的解离性症状作为关键指标，并预测研究患者之前的自杀企图，准确率为83%。

人工智能和机器学习以前曾被用来帮助预测自残和自杀行为，但科尔金说，在一般的精神病学实践中，分离性身份识别障碍(DID)一直没有得到充分的研究和诊断，直到现在还没有在这些模型中得到考虑。他说，这项研究强调了临床医生迫切需要评估解离性障碍症状，以确定高危人群，特别是女性，这一人群在自杀研究中经常被忽视，因为从统计上看，她们比男性更不可能企图自杀。

科尔金说:“我们想说的是，在这数百种症状和指标中，我们的研究结果表明，这两三个症状可能有助于关注。”

与创伤后应激障碍一样，DID涵盖了广泛的范围——受影响的人可能会表现出一些但不是全部的症状，WPI的神经科学家和生物学和生物技术教授Benjamin Nephew说，他曾担任该团队的项目协调员。在McLean/WPI的研究中，少数DID症状与有自杀企图史的患者相关。这可以让临床医生在评估病人的症状时更紧急地将注意力集中在这些症状上自杀风险．最终，这项研究的结果可能会使人们更快地转诊给分离性障碍专家，并可能扩大人们对使用分离性障碍诊断和治疗来预防自杀的认识。

“干预有助于不同的事情，”内维尔说。“比如说，你有抑郁症和失眠。并不是每个抑郁症患者都有失眠问题，但如果你确实患有抑郁症的失眠问题，而且你专注于失眠问题，这对治疗抑郁症非常有效。”

这项开创性的工作是由1973年WPI毕业生哈里·卡斯帕里安(Harry Kasparian)发起的，以纪念他的女儿朱莉娅(Julia)，她于2016年23岁时自杀身亡。茱莉亚·卡斯帕里安神经科学研究基金支持合作研究WPI和McLean的教师和学生神经科学家、临床医生和计算机科学家之间的合作，以改善精神疾病的预防、早期诊断和治疗，重点关注DID、抑郁症和自杀倾向。

神经科学家、WPI艺术与科学学院彼得森家族院长吉恩·金(Jean King)也参与了这项研究，她说与麦克莱恩的合作产生了重要的结果。

“这项研究代表着我们的目标取得了重大进展，我们的目标是识别出风险最大的患者自杀并对这些人进行有效的治疗。”

该团队现在计划改进这些模型，并将其应用于未来的研究，将覆盖面扩大到其他容易产生自杀想法和行为的人群。

Korkin说，该算法和相关发现可以作为临床医生在诊断过程中的补充工具。

他说:“这是人工智能方法的完美案例，它的本质是将所有的临床数据收集在一起，然后进行筛选，最终得到少量的临床症状。”“我们知道自杀式自残是复杂的，没有一种方法适用于所有情况。然而，尽管如此复杂，我们仍然可以努力提高我们评估它的能力。”