عملت الأبحاث الحديثة التي أجرتها السيدة كوسوما ومجموعة من العلماء من معهد بلاك دوج ومركز أبحاث البيانات الضخمة في الصحة علي الأدلة التي تدعم قدرة نماذج التعلم الآلي على التنبؤ بالسلوكيات والأفكار الانتحارية المحتملة، حيث قاموا بتقييم فعالية 54 خوارزمية للتعلم الآلي تم إنشاؤها مسبقًا من قبل الباحثين للتنبؤ بالنتائج المرتبطة بالانتحار من التفكير والمحاولة والموت، وفقاً لموقع scitechdaily.
وجد التحليل الذي نُشر في مجلة الأبحاث النفسية، أن نماذج التعلم الآلي تفوقت على نماذج التنبؤ بالمخاطر التقليدية في التنبؤ بالنتائج المرتبطة بالانتحار، والتي كان أداؤها تقليديًا.
تقول كوسوما: "بشكل عام، تظهر النتائج أن هناك قاعدة أدلة أولية ولكنها مقنعة بأن التعلم الآلي يمكن استخدامه للتنبؤ بالنتائج المستقبلية المتعلقة بالانتحار بأداء جيد جدًا".
هناك نماذج تقييم مخاطر الانتحار التقليدية، علي سبيل المثال، في أقسام الطوارئ، غالبًا ما يستخدم الأطباء أدوات تقييم المخاطر، مثل الاستبيانات ومقاييس التصنيف، لتحديد المرضى المعرضين لخطر الانتحار بشكل كبير، ومع ذلك، تشير الدلائل إلى أنها غير فعالة في التحديد الدقيق لخطر الانتحار في الممارسة العملية.
وأشارت كوسوما: "في حين أن هناك بعض العوامل المشتركة التي تظهر أنها مرتبطة بمحاولات الانتحار، فإن شكل المخاطر بالنسبة لشخص ما قد يبدو مختلفًا تمامًا عن شخص آخر، لكن الانتحار معقد، مع وجود العديد من العوامل الديناميكية التي تجعل من الصعب تقييم ملف تعريف المخاطر باستخدام عملية التقييم التقليدية."
وجد تحليل ما بعد الوفاة للأشخاص الذين ماتوا بالانتحار في كوينزلاند، أنه من بين أولئك الذين تلقوا تقييمًا رسميًا لمخاطر الانتحار، تم تصنيف 75% على أنهم منخفضون المخاطر، ولم يتم تصنيف أي منهم على أنه شديد الخطورة، حيث وجدت الأبحاث السابقة التي فحصت الخمسين عامًا الماضية من نماذج التنبؤ الكمي لمخاطر الانتحار أنها كانت أفضل قليلاً من الصدفة في التنبؤ بمخاطر الانتحار في المستقبل.
على الرغم من نقص الأدلة لصالح تقييمات مخاطر الانتحار التقليدية، تظل إدارتها ممارسة قياسية في أماكن الرعاية الصحية لتحديد مستوى رعاية ودعم المريض، أولئك الذين تم تحديدهم على أنهم معرضون لمخاطر عالية يتلقون عادةً أعلى مستوى من الرعاية، في حين أن أولئك الذين تم تحديدهم على أنهم منخفضون الخطورة يتم إخراجهم من المستشفى.
