В новом исследовании, опубликованном в журнале PLoS ONE, ученые из Университета Джона Хопкинса (Johns Hopkins University) разработали новый алгоритм, основанный на машинном обучении, который показывает высокую точность при идентификации подростков, которые имеют суицидальные мысли и поведение.
Новизна исследования
Десятилетиями ученые выявляли конкретные факторы риска, связанные с суицидальными мыслями и поведением среди подростков, что помогает в предотвращении самоубийств. Однако мало исследований изучали эти факторы риска в сочетании друг с другом, особенно в больших группах подростков. Теперь область машинного обучения открыла новые возможности для таких исследований, которые в конечном итоге могут улучшить профилактические меры.
Материалы и методы исследования
Чтобы изучить эту возможность, исследователи применили анализ машинного обучения к данным опроса старшеклассников в Юте. Данные включали ответы на более чем 300 вопросов для более чем 179 000 старшеклассников, принявших участие в опросе в период с 2011 по 2017 год, а также демографические данные переписи населения США.
Результаты научной работы
Исследователи обнаружили, что анализ машинного обучения может использовать данные опроса, чтобы с точностью до 91% предсказать, какие ответы подростков указывают на суицидальные мысли или поведение.
Точность нового алгоритма выше, чем у ранее разработанных методов прогнозирования. Машинное обучение действительно может улучшить понимание суицидальных мыслей и поведения подростков и, таким образом, поможет в разработке и уточнении профилактических программ.
Авторы другого исследования утверждают, что искусственный интеллект поможет обнаруживать невидимые признаки сердечной недостаточности.
