Zaburzenia psychiczne dotykają ogromnej liczby młodych ludzi. Szacunkowo 9 mln osób w wieku od 10 do 19 lat żyje z zaburzeniami psychicznymi. Połowa z nich zmaga się z depresją. Według danych UNICEF z 2021 r. samobójstwo jest główną przyczyną zgonów wśród młodzieży w Europie.

Rozwój sztucznej inteligencji może usprawnić walkę z kryzysem psychicznym. Iskrę nadziei pozwala mieć badanie przeprowadzone przez naukowców z UCLA Health w USA, opublikowane w czasopiśmie "JMIR Mental Health". Badanie wykazało, że uczenie maszynowe może skuteczniej od człowieka wykrywać objawy samookaleczenia u dzieci.

Badacze przeanalizowali notatki kliniczne z 600 wizyt na oddziałach u dzieci w wieku od 10 do 17 lat. Chcieli sprawdzić, w jakim stopniu systemy oceny kondycji psychicznej pacjentów pomagają w identyfikacji objawów samookaleczeń i oszacowaniu ryzyka samobójstwa.

Wnioski były zaskakujące. Notatki pominęły niepokojące oznaki u 29 proc. dzieci, które zgłosiły się na oddział z myślami dotyczącymi samookaleczenia. Co więcej, lekarze obserwujący zachowanie podopiecznych, pominęli 54 proc. pacjentów z grupy ryzyka.

Specjaliści nie dostrzegli myśli lub zachowań związanych z samookaleczeniach. Powód? Dzieci nie chcą zgłaszać tak niepokojących myśli podczas pierwszej wizyty na oddziale ratunkowym. Narażeni na pominięcie byli częściej chłopcy niż dziewczynki oraz młodzież czarnoskóra i latynoska.

Naukowcy z UCLA Health odkryli, jak pomóc w problemie. Stworzyli modele uczenia maszynowego, które analizowały dane, takie jak wcześniejsze miejsce opieki medycznej, rodzaje przyjmowanych leków, miejsce zamieszkania pacjenta oraz wyniki testów laboratoryjnych. W ten sposób modele szacowały poziom myśli samobójczych lub zachowań związanych z samookaleczeniem.

Modele identyfikowały pacjentów w grupie ryzyka lepiej niż tradycyjne metody analizy. Autorzy badania nie popadają w huraoptymizm. Zależy im na poprawie poziomu przewidywania pacjentów w grupie ryzyka. Zespół skupi się nad dalszym rozwojem technologii.

Źródło: Euronews