Исследователи из Университета Джона Хопкинса разработали новый алгоритм, основанный на машинном обучении, который демонстрирует высокую точность в выявлении подростков с суицидальными мыслями и рискованным поведением.
Десятилетия исследований выявили конкретные факторы риска, связанные с подростковым суицидом. Однако в очень немногих исследованиях эти факторы риска изучались в сочетании друг с другом, особенно в больших группах подростков. Область машинного обучения открыла новые возможности для таких исследований.
В своем проекте исследователи применили анализ машинного обучения к данным опроса старшеклассников в штате Юта, который регулярно проводится для мониторинга проблем, связанных с употреблением наркотиков и психической нестабильностью. Данные включали ответы на более чем 300 вопросов анкеты для более чем 179 000 старшеклассников, участвовавших в опросе в период с 2011 по 2017 год, а также демографические данные переписи населения США.
Исследователи обнаружили, что, используя эти данные, с 91-процентной точностью можно предсказать, какие ответы подростков указывают на суицидальные мысли или поведение. При этом ученые смогли определить, какие вопросы обладали наибольшей прогностической силой: например, о преследованиях или угрозах в соцсетях, издевательствах в школе, скандалах дома, употреблении алкоголя, чувстве безопасности в школе и отношении к марихуане.
Точность нового алгоритма выше, чем у ранее разработанных прогностических подходов, что позволяет предположить, что машинное обучение действительно может улучшить понимание мыслей и чувств подростков и тем самым помочь в совершенствовании профилактических программ.
04.11.2021
Константин Тимофеев
Нет комментариев