Новое обсервационное исследование Медицинского центра Университета Вандербильта указывает на решения для эффективного клинического прогнозирования попытки самоубийства или суицидальных мыслей у взрослых.

В исследовании, опубликованном 13 мая в JAMA Network Open Дрю Вилимитисом, Колином Уолшем, доктором медицины, Массачусетсом и их коллегами, алгоритм искусственного интеллекта сравнивается с личным скринингом .

Прогнозы улучшились по всем направлениям, когда эти два метода были объединены, создавая так называемый метод ансамблевого обучения.

«Этот тест представляет собой редкое исследование синергии между искусственным интеллектом в реальном времени и личным скринингом для оценки риска самоубийства », — сказал Уолш, доцент кафедры биомедицинской информатики, медицины, психиатрии и поведенческих наук.

Самоубийства растут в США в течение целого поколения и, по оценкам, ежегодно уносят жизни 14 из 100 000 американцев, что делает их 10-й ведущей причиной смерти в стране.

В 2018 году отделение неотложной помощи для взрослых VUMC внедрило Колумбийскую шкалу оценки тяжести самоубийства (C-SSRS), в которой пациенты обычно отвечали на анкету из шести пунктов в рамках сортировки. Между тем, команды в других областях VUMC используют этот вопросник для личного скрининга по мере необходимости.

В 2019 году VUMC на тестовой основе включил алгоритм машинного обучения , разработанный Уолшем и его командой, под названием Vanderbilt Suicide Attempt and Ideation Likelihood, или VSAIL. Алгоритм работал в фоновом режиме, генерируя оценки риска для каждого контакта с пациентом на основе информации из электронной медицинской карты. Пока тестирование продолжалось, баллы VSAIL не были включены в медицинские записи в VUMC.

Новое исследование было сосредоточено на 120 398 посещениях пациентов за 15 месяцев, завершившихся в сентябре 2020 года. Для каждого обращения, при котором использовались оба метода оценки риска, через 180 дней проверялись медицинские карты на наличие попыток самоубийства или суицидальных мыслей. Всего в исследуемой группе было зафиксировано 514 суицидальных попыток (205 в течение 30 дней после посещения пациента) и 3126 случаев суицидальных мыслей. Смертность от самоубийств не отслеживалась. Прогностические методы сравнивались со ссылкой на различные пороги риска и периоды наблюдения за пациентами.

Метод ансамбля почти всегда оказывался лучшим по сравнению с C-SSRS или только VSAIL.

«Обучение в ансамбле объединило соответствующие сильные стороны клинического скрининга и машинного обучения, смягчив при этом их недостатки», — сказал Вилимитис, статистический аналитик из лаборатории Уолша. «Эта взаимодополняющая природа между традиционной клинической оценкой и статистическим прогнозированием должна способствовать дальнейшей интеграции опыта врачей, вклада пациентов и искусственного интеллекта для эффективного обнаружения рисков».

Среди 10% пациентов с самыми высокими показателями риска по шкале C-SSRS или VSAIL примерно один из 200 предпринимал попытки самоубийства в течение 30 дней. Но при использовании ансамблевого метода примерно трое из каждых 200 пациентов из дециля с высоким риском предпринимали попытки самоубийства в течение 30 дней.

«Результаты нашего исследования показывают, что интеграция скрининга под руководством врача с алгоритмами улучшает прогнозирование попыток самоубийства, даже если эти алгоритмы никогда не обучались очному скринингу», — сказал Уолш. «Это исследование — прекрасный пример того, что умные люди в сочетании с машинами лучше, чем каждый из них по отдельности».

Затем команда Уолша проведет в VUMC рандомизированное клиническое испытание алгоритма искусственного интеллекта для поддержки принятия амбулаторных клинических решений. В случайно выбранной половине посещений оценки высокого риска по VSAIL автоматически вызовут оповещение в электронных медицинских картах для клиницистов с рекомендацией личного скрининга на риск самоубийства . Исследовательская группа прежде всего изучит показатели очного скрининга в случаях (высокий риск согласно VSAIL, помеченный для клиницистов) и контроле (непомеченный высокий риск).