Un nouvel outil d’IA utilise un petit ensemble de variables interprétables pour évaluer rapidement le risque d’automutilation

Un nouvel outil d’IA utilise un petit ensemble de variables interprétables pour évaluer rapidement le risque d’automutilation

Un nouvel outil d’évaluation qui exploite une puissante intelligence artificielle a pu prédire si les participants présentaient des pensées et des comportements suicidaires à l’aide d’une combinaison simple et rapide de variables.

Développé par des chercheurs de l'Université Northwestern, de l'Université de Cincinnati (UC), de l'Université Aristote de Thessalonique et du Massachusetts General Hospital/Harvard School of Medicine, le système se concentre sur une simple tâche de classement d'images ainsi qu'un petit ensemble de variables contextuelles/démographiques. que de nombreuses données psychologiques.

L’outil était en moyenne efficace à 92 % pour prédire quatre variables liées aux pensées et comportements suicidaires.

L'œuvre paraît dans Santé mentale naturelle.

„Un système qui quantifie le jugement de récompense et d'aversion fournit une lentille à travers laquelle nous pouvons comprendre le comportement de préférence”, a déclaré le premier auteur Shamal Shashi Lalvani, doctorant à l'Université Northwestern. „En utilisant des variables interprétables décrivant le comportement humain pour prédire la suicidalité, nous ouvrons la voie à une compréhension plus quantitative de la santé mentale et établissons des liens avec d'autres disciplines telles que l'économie comportementale.”

L'étude conclut qu'un petit ensemble de mesures comportementales et sociales jouent un rôle clé dans la prédiction des pensées et des comportements suicidaires. Les travaux actuels détaillent les composants d'un outil qui pourrait être une application destinée aux professionnels de la santé, aux hôpitaux ou à l'armée pour évaluer les personnes les plus à risque d'automutilation.

„On rapporte que nous avons environ 20 suicides par jour parmi les anciens combattants aux États-Unis et un nombre important d'étudiants. Nous pouvons tous citer des statistiques montrant à quel point le système médical américain est à un point de rupture. J'aurais aimé que nous ayons cette technologie plus tôt. les données suggèrent fortement que cela modifierait les résultats », a déclaré Hans Breiter, chercheur principal en contact pour l'étude et professeur d'informatique et de génie biomédical à l'UC.

„Les gens ont développé de bonnes techniques avec le Big Data”, a déclaré Breiter, „mais nous avons du mal à interpréter la signification de nombreuses prédictions basées sur le Big Data. Avoir un petit nombre de variables fondées sur la psychologie mathématique semble contourner ce problème et est nécessaire si L’apprentissage automatique actuel abordera toujours la question de l’intelligence artificielle générale. »

Les données ont été collectées à partir d’enquêtes réalisées en 2021 auprès de 4 019 participants âgés de 18 à 70 ans à travers les États-Unis. Les identités des participants étaient protégées et non partagées avec les chercheurs, et les participants ont donné leur consentement éclairé.

Les participants ont été invités à classer une séquence aléatoire de 48 images sur une échelle de sept points allant de 3 à -3 dans six catégories : sports, catastrophes, animaux mignons, animaux agressifs, nature et adultes en maillot de bain. Les chercheurs ont également collecté un ensemble limité de données démographiques sur l’âge, le sexe attribué à la naissance, la race ou l’origine ethnique, le niveau d’éducation le plus élevé atteint et la main-d’œuvre.

„L'utilisation d'une tâche d'évaluation d'image peut sembler simple, mais comprendre les préférences individuelles et la manière dont on évalue la récompense et l'aversion joue un rôle important dans la formation de la personnalité et du comportement”, a déclaré Aggelos Katsaggelos, co-auteur principal de l'étude et co-auteur principal. Professeur Joseph Cummings de génie électrique et informatique à McCormick et directeur du laboratoire d'IA dans le traitement des images multimédias et vidéo à Northwestern.

„Nous constatons que nos résultats dans la prévision des tendances suicidaires dépassent les méthodes de mesure classiques sans utiliser de dossiers de santé électroniques approfondis ou d'autres formes de mégadonnées”, a déclaré Katsaggelos.

Parallèlement aux évaluations d'images, les participants ont répondu à un ensemble limité de questions sur la santé mentale et ont été invités à classer la solitude perçue sur une échelle de cinq points.

Lorsque les données ont été connectées à un système d’intelligence artificielle développé par Northwestern et l’Université de Cincinnati, le logiciel a pu prédire quatre mesures de pensées et de comportements suicidaires : idées suicidaires passives (désir sans plan) ; idéation active (pensées actuelles et spécifiques); planifier le suicide; et planifier des stratégies d’adaptation pour prévenir l’automutilation.

Les chercheurs ont noté que les répondants d'autres pays pouvaient avoir des influences culturelles uniques susceptibles d'affecter le succès des prédictions, bien que l'effet de race et de sexe soit le moins prédictif de toutes les mesures utilisées. Une autre limite potentielle, selon les chercheurs, est que les enquêtes ont été autodéclarées plutôt que par le biais d'évaluations cliniques, ajoutant qu'il est difficile de voir comment une étude prospective sur le suicide pourrait être réalisée. Enfin, la cohorte a été échantillonnée pendant la pandémie de COVID-19, à une époque où les taux de solitude et d’automutilation étaient plus élevés que la normale.