Ένα νέο εργαλείο αξιολόγησης που αξιοποιεί την ισχυρή τεχνητή νοημοσύνη ήταν σε θέση να προβλέψει εάν οι συμμετέχοντες εμφάνιζαν σκέψεις και συμπεριφορές αυτοκτονίας χρησιμοποιώντας έναν γρήγορο και απλό συνδυασμό μεταβλητών. Έχοντας αναπτυχθεί από ερευνητές στο Northwestern University, το University of Cincinnati (UC), το Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης και το Massachusetts General Hospital/Harvard School of Medicine, το σύστημα εστιάζει σε μια απλή εργασία κατάταξης εικόνων μαζί με ένα μικρό σύνολο μεταβλητών με βάση τα συμφραζόμενα παρά στα εκτεταμένα ψυχολογικά δεδομένα.
Το εργαλείο ήταν κατά μέσο όρο 92% αποτελεσματικό στην πρόβλεψη τεσσάρων μεταβλητών που σχετίζονται με αυτοκτονικές σκέψεις και συμπεριφορές. Το έργο εμφανίζεται στο Nature Mental Health. “Ένα σύστημα που ποσοτικοποιεί την κρίση της ανταμοιβής και της αποστροφής παρέχει έναν φακό μέσω του οποίου μπορούμε να κατανοήσουμε τη συμπεριφορά προτίμησης”, δήλωσε ο Shamal Shashi Lalvani, διδακτορικός φοιτητής στο Πανεπιστήμιο Northwestern. «Χρησιμοποιώντας ερμηνεύσιμες μεταβλητές που περιγράφουν την ανθρώπινη συμπεριφορά για την πρόβλεψη της αυτοκτονίας, ανοίγουμε μια λεωφόρο προς μια πιο ποσοτική κατανόηση της ψυχικής υγείας και κάνουμε συνδέσεις με άλλους κλάδους όπως η συμπεριφορική οικονομία».
Η μελέτη καταλήγει στο συμπέρασμα ότι ένα μικρό σύνολο συμπεριφορικών και κοινωνικών μέτρων διαδραματίζει βασικό ρόλο στην πρόβλεψη αυτοκτονικών σκέψεων και συμπεριφορών. Η τρέχουσα εργασία περιγράφει λεπτομερώς τα στοιχεία ενός εργαλείου που θα μπορούσε να είναι μια εφαρμογή για επαγγελματίες του ιατρικού τομέα, νοσοκομεία ή στρατιωτικούς για την παροχή αξιολόγησης για το ποιος κινδυνεύει περισσότερο να αυτοτραυματιστεί.
“Έχει αναφερθεί ότι έχουμε περίπου 20 αυτοκτονίες καθημερινά μεταξύ βετεράνων στις ΗΠΑ και έναν σημαντικό αριθμό φοιτητών. Όλοι μπορούμε να αναφέρουμε στατιστικά στοιχεία για το πώς το αμερικανικό ιατρικό σύστημα βρίσκεται σε οριακό σημείο. Μακάρι να είχαμε αυτή την τεχνολογία νωρίτερα. Τα δεδομένα υποστηρίζουν έντονα ότι θα άλλαζε τα αποτελέσματα”, δήλωσε ο Hans Breiter, υπεύθυνος επικοινωνίας με το PI για τη μελέτη και καθηγητής στην επιστήμη των υπολογιστών και στη βιοϊατρική μηχανική στο UC.
“Οι άνθρωποι έχουν αναπτύξει καλές τεχνικές με μεγάλα δεδομένα”, είπε ο Breiter, “αλλά έχουμε προβλήματα στην ερμηνεία της έννοιας πολλών προβλέψεων που βασίζονται σε μεγάλα δεδομένα. Η ύπαρξη ενός μικρού αριθμού μεταβλητών που βασίζονται στη μαθηματική ψυχολογία φαίνεται να ξεπερνά αυτό το ζήτημα και είναι απαραίτητο εάν Η τρέχουσα μηχανική μάθηση θα προσεγγίσει ποτέ το θέμα της τεχνητής γενικής νοημοσύνης“.
Τα δεδομένα συλλέχθηκαν από έρευνες που ολοκληρώθηκαν το 2021 από 4.019 συμμετέχοντες ηλικίας 18 έως 70 ετών σε όλες τις Ηνωμένες Πολιτείες. Οι ταυτότητες των συμμετεχόντων προστατεύονταν και δεν κοινοποιήθηκαν στους ερευνητές και οι συμμετέχοντες έδωσαν τη συγκατάθεσή τους μετά από ενημέρωση. Ζητήθηκε από τους συμμετέχοντες να ταξινομήσουν μια τυχαία ακολουθία 48 εικόνων σε μια κλίμακα επτά βαθμών αρέσει σε αντιπαθία από 3 έως -3 σε έξι κατηγορίες:
- αθλήματα,
- καταστροφές,
- χαριτωμένα ζώα,
- επιθετικά ζώα,
- φύση
- και ενήλικες με μαγιό.
Οι ερευνητές συνέλεξαν επίσης ένα περιορισμένο σύνολο δημογραφικών στοιχείων σχετικά με την ηλικία, το φύλο που προσδιορίστηκε κατά τη γέννηση, τη φυλή ή την εθνικότητα, το υψηλότερο επίπεδο εκπαίδευσης και την ευαισθησία. Μαζί με τις αξιολογήσεις εικόνων, οι συμμετέχοντες συμπλήρωσαν ένα περιορισμένο σύνολο ερωτήσεων ψυχικής υγείας και κλήθηκαν να κατατάξουν την αντιληπτή μοναξιά σε μια κλίμακα πέντε βαθμών.
Όταν τα δεδομένα συνδέθηκαν σε ένα σύστημα τεχνητής νοημοσύνης που αναπτύχθηκε από το Northwestern και το Πανεπιστήμιο του Σινσινάτι, το λογισμικό ήταν σε θέση να προβλέψει τέσσερις μετρήσεις αυτοκτονικών σκέψεων και συμπεριφορών:
- παθητικός αυτοκτονικός ιδεασμός (επιθυμία χωρίς σχέδιο)
- ενεργός ιδεασμός (τρέχουσες και συγκεκριμένες σκέψεις)
- σχεδιασμός για αυτοκτονία
- και σχεδιασμός στρατηγικών αντιμετώπισης για την πρόληψη του αυτοτραυματισμού.