695
用機器算法預測自殺傾向
大約有30%到三分之二的自殺企圖都是一瞬間的衝動，這是極難預測的。這個數據來自於統計那些嚐試了幾乎致命的自殺企圖的人，70%這樣的人都是在不到一個小時內做出了決定。盡管這種自我了斷的解決方式經常是一時興起或者突發奇想，但是研究也發現自殺行為中也存在一些可預測的模式。如果有正確的觀察方式，我們可以及時發現並提供必要的援助和開導，避免死亡的結局。研究機器學習的科學家們表示，工作起來不知疲憊的機器人則可能擔當自殺人群探測器的角色。
研究團隊由辛辛那提兒童醫學中心生物醫學信息與精神科的John Pestian教授帶領，他們請來了379名被診斷為具有自殺傾向，精神不正常但沒有自殺傾向，或者既沒有自殺傾向也沒有精神不正常的參與者，最後一群人是作為對照組參與實驗的。
每位參與者都通過標準化行為量表進行評估，並且要回答五個問題來製造對話。問題諸如“你覺得有希望嗎？”或者“這會傷到你的感情嗎？”對照組在訪問中傾向於笑得更多，歎氣更少，表達出的憤怒與情緒上的痛苦更少。
每位參與者回答中的語言線索和非語言線索都被提取出來，然後提供給通過訓練能夠篩選跟自殺相關的生物標記的機器學習算法。結合語言學與聲學特性，機器可以非常準確的預測這個人屬於哪個類型。預測有自殺傾向的準確率為93%，預測精神不正常但沒有自殺傾向的準確率為85%。
“這些計算方法提供了一種全新的機遇，將科技創新應用到預防自殺和關懷有自殺傾向者，我們非常需要它，”Dr. Pestian說。“當你觀察周圍的醫療機構，它們都獲得大量的技術支持，但是精神疾病卻缺乏支持。現在我們的算法能夠幫助這些醫療護理人員了。這一方法可以輕易延伸到學校、收容所、青年俱樂部、青少年司法中心和社區中心之中，更早地預測，就能減少自殺企圖和死亡事件。”
原文發布時間為：2016-11-13
本文來自雲棲社區合作夥伴“大數據文摘”，了解相關信息可以關注“BigDataDigest”微信公眾號
最後更新：2017-05-31 12:02:11