Psychol Bull. 2017 Feb;143(2):187-232. doi: 10.1037/bul0000084. Risk factors for suicidal thoughts and behaviors: A meta-analysis of 50 years of research.
Franklin JC1, Ribeiro JD1, Fox KR2, Bentley KH3, Kleiman EM2, Huang X1, Musacchio KM1, Jaroszewski AC2, Chang BP4, Nock MK2.
- 1 Department of Psychology, Vanderbilt University.
2 Department of Psychology, Harvard University.
3 Department of Psychology, Boston University.
4 Department of Emergency Medicine, Department of Emergency Medicine, Columbia University Medical Center.
Et Walsh, C. G., Ribeiro, J. D., & Franklin, J. C. (2017). Predicting Risk of Suicide Attempts Over Time Through Machine Learning. Clinical Psychological Science.
http://journals.sagepub.com/doi/full/10.1177/2167702617691560
Présentation de la recherche Machine Learning Might Help Identify Those Most At Risk of Suicide
https://www.psychologicalscience.org/publications/observer/obsonline/machine-learning-might-help-identify-those-most-at-risk-of-suicide.html#.WS1BxdykIdU
Article sur le sujet
1er Post du 23/03/2017
"How artificial intelligence will save lives in the 21st century
Par: Dave Heller Publié: Février 28, 2017 sur psy.fsu.edu*
La chercheuse psychologue Jessica Ribeiro de FSU utilise l'apprentissage automatique pour améliorer la prédiction du suicideUn projet révolutionnaire mené par une chercheuse de l'Université de l'État de Floride fait une avancée exponentielle dans la prédiction du suicide, en donnant potentiellement aux cliniciens la capacité de prédire qui tentera de se suicider jusqu'à deux ans à l'avance avec 80 pour cent de précision d'après l'etude.Jessica Ribeiro, chercheuse en psychologie de l'FSU, se sent pressée de faire face à ce problème implacable. L'ombre de ses recherches est la conscience omniprésente que 120 Américains prennent leur vie chaque jour, près de 45.000 par an.L'article de Ribeiro, intitulé «Prédire le risque de tentatives de suicide au fil du temps grâce à l'apprentissage automatique», sera publié par la revue Clinical Psychological Science.L'étude offre une découverte fascinante: l'apprentissage automatique - une future frontière pour l'intelligence artificielle - pourrait prédire avec une précision de 80 à 90% si quelqu'un tentera de se suicider sur deux ans dans l'avenir. Les algorithmes deviennent encore plus précis lorsque la tentative de suicide d'une personne se rapproche. Par exemple, la précision monterait à 92 pour cent une semaine avant une tentative de suicide lorsque l'intelligence artificielle se concentre sur les patients de l'hôpital général."Cette étude fournit des preuves que nous pouvons prédire les tentatives de suicide avec précision", a déclaré Ribeiro. «Nous pouvons les prédire avec précision au fil du temps, mais nous sommes meilleurs pour les prédire plus près de l'événement. Nous savons aussi, à partir de cette étude, que les facteurs de risque - comment ils fonctionnent et à quel point ils sont importants - changent aussi au fil du temps.La recherche de Ribeiro représente un développement extraordinaire dans la prédiction du suicide qui est désespérément nécessaire. Une étude récente menée par Joseph Franklin, Professeur adjoint à la psychologie de la FSU, a révélé que 50 ans de recherches sur la prévision du suicide n'avaient pas produit de progrès réel pour pouvoir prédire qui tenterait de se tuer. Les facteurs de risque traditionnels identifiés au cours des 50 dernières années pour prédire les comportements suicidaires - tels que la dépression, le stress ou la toxicomanie - pourraient rassembler un taux d'exactitude pas beaucoup mieux que la conjecture aléatoire.Un flip de pièce de monnaie est aussi précis sur les tentatives de suicide que les plus brillants experts du suicide dans le monde.«C'était vraiment triste», a déclaré Ribeiro, qui a travaillé avec Franklin sur cette étude. "Cinquante ans de recherche avec des gens vraiment intelligents qui travaillent sur ce point et pas de changement réel. Nous pouvons voir cela dans les taux de suicide. Je ne dis pas que la machine d'apprentissage est la panacée, mais ces types de techniques et les changements dans le statu quo peut vraiment perturber une zone de recherche stagnante.Le projet de Ribeiro est né des résultats surprenants de Franklin. Elle et Franklin, ainsi que Colin Walsh du Vanderbilt University Medical Center, ont réussi à accéder à un dépôt de données massives contenant les dossiers de santé électroniques d'environ 2 millions de patients dans le Tennessee. Le projet était la plus grande étude de ce genre dans l'histoire, une "grande opportunité", a déclaré Ribeiro. L'équipe a analysé les dossiers médicaux électroniques anonymes et identifié plus de 3 200 personnes qui avaient tenté de se suicider.Avoir cette information était cruciale; Il contenait des histoires médicales détaillées de milliers de personnes menant à leurs tentatives de suicide. En utilisant l'apprentissage automatique pour examiner tous ces détails, les algorithmes ont pu «apprendre» quelle combinaison de facteurs dans les enregistrements pouvait prédire avec la plus grande exactitude les tentatives futures de suicide."La machine apprend la combinaison optimale de facteurs de risque", a déclaré Ribeiro. "Ce qui importe vraiment, c'est de savoir comment cet algorithme et ces variables interagissent les unes avec les autres dans leur ensemble. Ce type de travail nous permet d'appliquer des algorithmes qui peuvent considérer des centaines de points de données dans le dossier médical de quelqu'un et potentiellement les réduire à des informations cliniquement significatives.Ce genre d'information significative pourrait être utilisé pour développer un système d'alerte pour les cliniciens identifiant les patients à risque de comportement suicidaire. Par exemple, le système émettrait un «avertissement de lumière rouge» ou «score de risque» pour chaque personne, donc lorsqu'ils arrivent dans un hôpital avec des symptômes aigus, un médecin de salle d'urgence pourrait voir un risque élevé de suicide et obtenir d'un psychiatre une réponse immédiatement ."Tout comme vous obtenez un score de risque cardiovasculaire, vous obtiendriez un score de risque de suicide qui est informatif pour les cliniciens et les aide à les diriger sur les étapes à suivre", a déclaré Ribeiro.Trop souvent, ces prochaines étapes ne se produisent jamais. Des études montrent que 60-90 pour cent des personnes qui meurent par suicide avaient visité leur fournisseur médical au cours de la dernière année et le clinicien n'a pas vu venir.
"Cet algorithme attire notre attention sur les gens qui sont les plus susceptibles de tenter de se suicider afin que nos ressources soient mieux consacrées aux personnes que nous manquons maintenant", a déclaré Ribeiro. "Actuellement, nous manquons une grande proportion de personnes qui sont à risque que nous ne pensons même jamais."Les systèmes de santé construisent des infrastructures nationales et internationales d'enregistrements électroniques qui pourraient être analysées avec l'apprentissage automatique pour identifier les personnes à risque de suicide. Mais les données pourraient devoir être modifiées à des fins de recherche, c'est donc un défi encore à venir.De plus en plus d'organisations comme l'armée des États-Unis et le ministère des Anciens Combattants des États-Unis sont déjà en mesure d'adopter des méthodes d'apprentissage automatique pour leurs propres dossiers de santé électroniques. Ribeiro travaille actuellement à une étude avec le Military Suicide Research Consortium basé à Florida State qui utilise l'apprentissage automatique pour identifier les personnes avec un risque imminent de suicide.Le taux de suicide n'a pas beaucoup changé au cours du dernier siècle: en 1915, il était d'environ 13 pour 100 000 personnes; En 2015, il était de 13,26 pour 100 000 - peu de progrès au cours d'un siècle, malgré certains des esprits les plus brillants scrutant le problème et des milliards de dollars consacrés aux soins de santé mentale. Mais Ribeiro reste optimiste sur le travail de son équipe et croit qu'elle atteindra des objectifs ambitieux. Elle envisage des percées sur la capacité d'identifier et de traiter les populations à grande échelle de ceux qui ont le plus besoin d'aide.«L'objectif principal de mon programme de recherche est de pouvoir détecter avec précision le risque de suicide pour toutes les personnes à tous les moments», a déclaré M. Ribeiro. C'est à cela que je vais m'adresser. Ce que nous avons jusqu'ici est prometteur, mais c'est juste un début. Bien que ce ne soient pas les seules méthodes ou les meilleures, je pense que si davantage de chercheurs se concentrent sur cette approche, nous pouvons enfin constater des baisses significatives des taux de comportements suicidaires et finalement des décès par suicide à l'échelle mondiale. Ce n'est pas si loin.Ribeiro a collaboré avec Joseph Franklin, professeur adjoint de psychologie à l'Université de l'État de Floride, dans le cadre du projet “Predicting Risk of Suicide Attempts over Time through Machine Learning”; Et Colin Walsh, professeur adjoint d'informatique biomédicale au Vanderbilt University Medical Center.
https://news.fsu.edu/news/health-medicine/2017/02/28/how-artificial-intelligence-save-lives-21st-century/