Nova ferramenta de IA usa um pequeno conjunto de variáveis ​​interpretáveis ​​para avaliar rapidamente o risco de automutilação

Uma nova ferramenta de avaliação que aproveita a poderosa inteligência artificial foi capaz de prever se os participantes exibiam pensamentos e comportamentos suicidas usando uma combinação rápida e simples de variáveis.

Desenvolvido por pesquisadores da Northwestern University, da Universidade de Cincinnati (UC), da Universidade Aristóteles de Thessaloniki e do Massachusetts General Hospital/Harvard School of Medicine, o sistema se concentra em uma tarefa simples de classificação de imagens, juntamente com um pequeno conjunto de variáveis ​​contextuais/demográficas, em vez de do que extensos dados psicológicos.

A ferramenta foi, em média, 92% eficaz na previsão de quatro variáveis ​​relacionadas a pensamentos e comportamentos suicidas.

A obra aparece em Natureza Saúde Mental.

“Um sistema que quantifica o julgamento de recompensa e aversão fornece uma lente através da qual podemos compreender o comportamento preferencial”, disse o primeiro autor Shamal Shashi Lalvani, estudante de doutorado na Northwestern University. “Ao usar variáveis ​​interpretáveis ​​que descrevem o comportamento humano para prever o suicídio, abrimos um caminho para uma compreensão mais quantitativa da saúde mental e fazemos conexões com outras disciplinas, como a economia comportamental”.

O estudo conclui que um pequeno conjunto de medidas comportamentais e sociais desempenha um papel fundamental na previsão de pensamentos e comportamentos suicidas. O trabalho atual detalha os componentes de uma ferramenta que poderia ser um aplicativo para profissionais médicos, hospitais ou militares para fornecer avaliação de quem corre maior risco de automutilação.

“É relatado que temos cerca de 20 suicídios diários entre veteranos nos EUA e um número notável de estudantes. Todos nós podemos citar estatísticas de como o sistema médico americano está em um ponto de ruptura. Eu gostaria que tivéssemos essa tecnologia mais cedo. O os dados argumentam fortemente que isso mudaria os resultados”, disse Hans Breiter, contato da PI para o estudo e professor de ciência da computação e engenharia biomédica na UC.

“As pessoas desenvolveram boas técnicas com big data”, disse Breiter, “mas temos problemas para interpretar o significado de muitas previsões baseadas em big data. Ter um pequeno número de variáveis ​​fundamentadas na psicologia matemática parece contornar esse problema e é necessário se o aprendizado de máquina atual algum dia abordará a questão da inteligência artificial geral”.

Os dados foram coletados de pesquisas concluídas em 2021 por 4.019 participantes com idades entre 18 e 70 anos nos Estados Unidos. As identidades dos participantes foram protegidas e não compartilhadas com os pesquisadores, e os participantes deram consentimento informado.

Os participantes foram convidados a classificar uma sequência aleatória de 48 imagens em uma escala de sete pontos, de 3 a -3, em seis categorias: esportes, desastres, animais fofos, animais agressivos, natureza e adultos em trajes de banho. Os pesquisadores também coletaram um conjunto limitado de dados demográficos sobre idade, sexo atribuído no nascimento, raça ou etnia, nível de escolaridade mais alto alcançado e lateralidade.

“O uso de uma tarefa de classificação de imagens pode parecer simples, mas compreender as preferências individuais e como avaliar a recompensa e a aversão desempenha um grande papel na formação da personalidade e do comportamento”, disse o co-PI do estudo e co-autor sênior Aggelos Katsaggelos, o Joseph Cummings Professor de Engenharia Elétrica e de Computação na McCormick e diretor do Laboratório de IA em Processamento de Imagem Multimídia e Vídeo da Northwestern.

“Descobrimos que os nossos resultados na previsão do suicídio excedem os métodos típicos de medição sem utilizar extensos registos de saúde eletrónicos ou outras formas de big data”, disse Katsaggelos.

Junto com as avaliações das imagens, os participantes responderam a um conjunto limitado de questões de saúde mental e foram solicitados a classificar a solidão percebida em uma escala de cinco pontos.

Quando os dados foram conectados a um sistema de inteligência artificial desenvolvido pela Northwestern e pela Universidade de Cincinnati, o software foi capaz de prever quatro medidas de pensamentos e comportamentos suicidas: ideação suicida passiva (desejo sem plano); ideação ativa (pensamentos atuais e específicos); planejamento para suicídio; e planejar estratégias de enfrentamento para prevenir a automutilação.

Os investigadores observaram que os entrevistados de outros países podem ter influências culturais únicas que podem afectar o sucesso da previsão, embora o efeito de raça e género tenha sido o menos preditivo de todas as medidas utilizadas. Outra limitação potencial, disseram os pesquisadores, é que as pesquisas foram auto-relatadas, e não por meio de avaliações clínicas, acrescentando que é difícil ver como um estudo prospectivo sobre suicídio poderia ser realizado. Por último, a coorte foi amostrada durante a pandemia de COVID-19, numa altura em que se registaram taxas de solidão e automutilação acima do normal.