Новое исследование, опубликованное в журнале PLOS Medicine, утверждает, что алгоритмы машинного обучения для прогнозирования суицидального поведения и управления клиническими вмешательствами недостаточно точны.
На протяжении десятилетий исследователи пытались создать надежные инструменты оценки риска, чтобы выявлять людей с высокой вероятностью суицида или членовредительства. Хотя современные методы искусственного интеллекта обещали новые возможности за счет анализа масштабных электронных медицинских данных, исследование показывает, что эти алгоритмы не работают лучше традиционных шкал риска.
Научная группа провела систематический обзор и метаанализ 53 предыдущих исследований. В исследование вошли более 35 миллионов медицинских записей и около 250 000 случаев суицида или госпитализаций вследствие членовредительства. Согласно результатам, алгоритмы обладали высокой специфичностью (точно определяли лиц с низким риском), но их чувствительность была низкой: ИИ не смог выявить более половины людей, которые впоследствии совершили попытку самоубийства.
Среди лиц, отнесенных к группе высокого риска, лишь 6 % умерли от суицида, и менее 20 % повторно обратились за медицинской помощью по поводу членовредительства.
«Мы установили, что прогностическая способность алгоритмов машинного обучения неудовлетворительна, а их эффективность не превышает традиционные шкалы оценки риска суицидального поведения», — заявляют авторы исследования.
Несмотря на растущий интерес к искусственному интеллекту, это исследование показывает, что машинное обучение пока не принесло успешных результатов в области предотвращения суицидов. По словам авторов, недостаточно доказательств, чтобы менять клинические подходы на основе прогностических инструментов, работающих с ИИ.
