80
人工智能拯救生命：自殺傾向預測
由弗羅裏達州立大學研究者領導的開創性項目在自殺預測方麵取得了巨大的進步，使得臨床醫生可能預測最多長達兩年之後的自殺，準確率達到80%。
弗羅裏達州立大學研究者Jessica Ribeiro急切希望解決這個殘酷的問題：每天有120位美國人自殺，一年有近45000人。Ribeiro將在臨床心理科學雜誌上發布她的文章：利用機器學習預測自殺傾向風險。
------------------
【福利】阿裏雲在線峰會第三場
3月9日，6位阿裏技術專家，
4位大數據應用專家，
從技術到案例，直播剖析
時下最前沿大數據玩法，
點擊文末閱讀原文
免費限時報名
報名詳情見文末
------------------
該研究得到了一個十分吸引人的結論：機器學習能預測最多兩年之後某人的自殺傾向，準確率高達80%~90%。該方法在越接近某人的可能自殺日期時還會變得更加準確，比如針對一般的醫院病人，在試圖自殺的前一周準確率攀升到92%。
“該研究證明我們可以準確預測自殺傾向”，Ribeiro說道，“我們可以準確預測較長時間的自殺，但是在接近事件發生時間時能得到更好的預測。根據該研究我們還知道，風險因子同樣隨時間變化。”
Ribeiro的研究代表了極度需求的自殺傾向預測方麵的重要進展。弗羅裏達州立大學副教授Joseph Franklin最近的研究指出，50年的自殺傾向預測其實並沒有取得任何實質上的進展。傳統的用於預測自殺行為的風險因子，如抑鬱，壓力或者藥物濫用，隻能得到比隨機猜測好不了多少的準確率。世界上最高明的專家對自殺傾向的預測準確率也不過跟扔硬幣差不多。
“這實在令人悲傷”，Ribeiro說道，她曾與Franklin一起進行上文研究，“聰明的人們五十年的研究並沒有改變什麼，我並不是說機器學習是靈丹妙藥，但這些技術和改變真的確實能夠推動本領域的進步。”
Ribeiro的項目源自Franklin的合作。她和Franklin以及範德堡大學醫學中心的Colin Walsh成功拿到了包含2百萬田納西州病人的電子健康記錄的數據庫。研究團隊對電子健康記錄進行了細致的梳理，鑒別出3200人曾經試圖自殺。
根據數據庫中包含的可能導致自殺行為的詳細病史，機器學習對此進行檢查，學習因子的組合方式，以最大化自殺傾向預測的準確率。“機器對風險因子的最優組合方式進行學習，”Ribeiro提到，“最重要的是這種方法和眾多變量作為整體交互的機理。這類工作讓我們能夠應用能處理大量數據的方法，並將這些病曆信息減少到對臨床有用的程度。”根據這些數據，能開發針對自殺行為風險的預警係統。比如，係統給每個人設置“紅燈警告”或者“風險得分”，這樣當他們由於急性病症去醫院的時候，急救室醫生能發現評估的自殺風險，立即采取相應的心理疏導。
“就像你有心血管風險評分，你就會得到一個自殺風險評分，醫生就能據此決定接下來的治療步驟。”Ribeiro說。
通常，這些後續步驟並沒有發生。研究顯示60%~90%的人們在自殺的過去一年裏曾經拜訪他們的醫生，但醫生們並沒有看到自殺的風險。
國內的衛生保健係統框架正在建立，係統包含的電子記錄將能被機器學習分析以鑒別自殺風險。但為了研究，可能會對數據進行修正，這也是未來的一個挑戰。更多的組織如美國軍方和美國退伍軍人事務部已經準備將機器學習方法應用於他們自己的電子健康記錄了。Ribeiro現在正與弗羅裏達州的軍事自殺研究協會一起進行研究，利用機器學習鑒別自殺風險。
自殺率在過去一個世紀中居高不下，甚至在1999年以後還有所上升，但Ribeiro對自己團隊的工作抱有期望，相信將會達成偉大的目標：“研究項目的重點是能夠實現準確的所有人在任何時刻的自殺風險檢測。現有方法可能不是最好的，但我認為如果更多的研究者關注這一類方法，我們將能看到自殺行為的顯著下降，長此之後實現自殺死亡率的下降。這一天不會很遠。”
原文發布時間為：2017-03-05
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：2017-05-23 16:33:59