მანქანური სწავლების ალგორითმები სუიციდური ქცევის პროგნოზირებისთვის და კლინიკური ინტერვენციების წარმართვისთვის საკმარისად ზუსტი არ არის, — ამის შესახებ PLOS Medicine-ში გამოქვეყნებულ ახალ კვლევაშია აღნიშნული.
ათწლეულების განმავლობაში მკვლევრები სუიციდის ან თვითდაზიანების მაღალი რისკის ქვეშ მყოფი ადამიანების იდენტიფიცირებისთვის სანდო რისკის შეფასების ინსტრუმენტების შექმნას ცდილობდნენ. მიუხედავად იმისა, რომ ხელოვნური ინტელექტის თანამედროვე მეთოდები მასშტაბური ელექტრონული სამედიცინო ჩანაწერების ანალიზით ახალ შესაძლებლობებს გვპირდებოდა, კვლევა აჩვენებს, რომ ეს ალგორითმები ტრადიციულ რისკ-სკალებზე უკეთესად არ მუშაობს.
კვლევითმა ჯგუფმა ჩაატარა 53 წინა კვლევის სისტემური მიმოხილვა და მეტაანალიზი. კვლევა მოიცავდა 35 მილიონზე მეტ სამედიცინო ჩანაწერს და 250,000-მდე შემთხვევას, რომლებიც სუიციდს ან ჰოსპიტალიზაციას საჭიროებდა თვითდაზიანების გამო. შედეგების მიხედვით, ალგორითმებს მაღალი სპეციფიკურობა ჰქონდათ (ზუსტად ამოიცნეს დაბალი რისკის მქონე პირები), თუმცა მგრძნობელობა დაბალი აღმოჩნდა: ხელოვნურმა ინტელექტმა ვერ მოახერხა იმ ადამიანთა ნახევარზე მეტის იდენტიფიცირება, რომლებმაც მოგვიანებით სუიციდი სცადეს.
მაღალი რისკის ჯგუფში მოხვედრილ პირთა შორის, მხოლოდ 6%-მა დაასრულა სიცოცხლე სუიციდით, ხოლო 20%-ზე ნაკლებმა ხელახლა მიმართა სამედიცინო დახმარებას თვითდაზიანების გამო.
„ჩვენ აღმოვაჩინეთ, რომ მანქანური სწავლების ალგორითმების პროგნოზირების უნარი არადამაკმაყოფილებელი იყო და ეფექტურობით არ აღემატებოდა სუიციდური ქცევის რისკის შეფასების ტრადიციულ სკალებს,“ — აცხადებენ კვლევის ავტორები.
ხელოვნური ინტელექტის მიმართ მზარდი ენთუზიაზმის მიუხედავად, აღნიშნული კვლევა ამბობს, რომ მანქანურ სწავლებას ჯერჯერობით არ მოუტანია წარმატებული შედეგი სუიციდის პრევენციის სფეროში. ავტორების თქმით, არასაკმარისი მტკიცებულება არსებობს იმისთვის, რომ AI პროგნოზირებაზე დაფუძნებული ხელსაწყოების გამო კლინიკური მიდგომები შეიცვალოს.
წყარო: PLOS
