本文來自AI新媒體量子位（QbitAI）

全球每年有80萬人死于自殺，這是一個不容忽視的公共衛生問題。有研究表明，醫護人員提供的自殺評估報告對抑制自殺也不甚奏效。

目前，美國范德堡大學醫療中心的數據學家Colin Walsh可以用機器學習算法預測自殺傾向，并將他們的研究成果刊登在《臨床心理科學》上。

Paper下載鏈接：

http://journals.sagepub.com/doi/abs/10.1177/2167702617691560

△?梵高在1890自殺，死前留下這幅《在永生之門》

這項研究的準確性驚人的高。在試驗中，預測“兩年內是否會嘗試自殺”的準確性在80%-90%之間，預測“一周內是否會嘗試自殺”的概率高達92%。那么，Walsh團隊是如何實現這項成果的呢？

研究方法

這項預測算法是基于醫院廣泛的入院數據制作的，數據涵蓋了病患的年齡、性別、所在地區、用藥記錄和先前診斷等信息。

Walsh和他的團隊收集了5167名范德堡大學醫療中心病人的數據，這些病人都承認自己有自我傷害行為或自殺意念傾向。Walsh團隊了解了這些病例情況后，鑒定出3250例自殺未遂的情況。

但凡算法的訓練都需要大量數據的支撐，Walsh團隊也不例外。他們用了5000多個案例來訓練機器，讓它在有自我傷害行為的人中篩出可能嘗試過自殺的人。研究人員為此建立算法，隨機抽取12695個無自殺記錄的病患，預測他們是否嘗試過自殺。簡單來說，就是預測醫院病患的自殺風險。

發表論文只是研究的第一階段，目前Walsh在用另一家醫院的完全不同的數據集研究算法的準確率。他希望確定了模型可靠后可以與更大的團隊合作，在未來兩年內研究合適的干預項目。“我想它會很快實現，但在醫療行業，很快也需要數月時間。”Walsh說。

關鍵在于如何解讀數據

從人自身角度來說，自殺是一項強烈的個人行為，基于原始數據集達到如此高的預測準確率幾乎是不可能的。Walsh說，臨床醫生對機器預測好奇是正常的，但算法非常復雜，只揪出單一因素來解釋也是不可能的。“這項預測是風險因素的組合，也是它給予了我們答案。”Walsh說。

Walsh團隊發現服用褪黑素似乎是自殺的前兆。褪黑素是晝夜節律的一部分，也是人體內生物鐘得以維持的重要因素。“我不認為服用褪黑素會導致患者自殺，沒有生理學知識證明褪黑素促進自殺。但需要注意的一點是，睡眠障礙和自殺有直接的關系。”Walsh說。

目前，這個機器學習算法只基于入院治療的病患數據，但是Walsh認識到很多有自殺傾向的病人并不會事先去醫院接受治療。他對此進行了表態：“如果我們只依靠來自醫療保健單位的數據，那我們也就只能在那停滯不前了。”

因此，他們開始在Facebook和Twitter上投入一些精力。來自社交網絡的數據會更全面，也更有利于預測自殺的風險。對于這項研究，他們將從判斷社交網絡上信息的真假著手。

預測自殺是為了更好地干預自殺，可能不久后機器做得比心理醫生還要好了。

【完】

本文作者：安妮 原文發布時間：2017-06-12

總結

以上是生活随笔為你收集整理的范德堡大学用机器学习预测自杀，准确率在80%以上的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。