IA en la predicción del riesgo de suicidio

La mayoría de los modelos de sistemas de salud se basan en datos que ya están en el historial médico electrónico: intentos de suicidio previos y diagnósticos de autolesión, diagnósticos de salud mental y uso de sustancias, recetas, visitas de emergencia y hospitalizaciones, y respuestas de detección como el ítem 9 del PHQ-9, que pregunta sobre pensamientos de muerte o autolesión. Los métodos van desde la regresión logística penalizada hasta bosques aleatorios y árboles potenciados por gradiente. Los esfuerzos bien conocidos incluyen modelos de la Red de Investigación de Salud Mental, que incluye sitios de Kaiser Permanente, el trabajo en el Centro Médico de la Universidad de Vanderbilt y el REACH VET del VA, lanzado en 2017, que señala aproximadamente el 0,1 por ciento superior de las puntuaciones de riesgo para su revisión. Varios estudios grandes informan una buena discriminación, lo que significa que los modelos clasifican razonablemente bien a los pacientes de mayor riesgo por encima de los de menor riesgo. El principal error es que estos modelos predicen quién morirá. No es así. El suicidio es poco común en un mes determinado, por lo que incluso un modelo preciso produce en su mayoría falsos positivos; la mayoría de los pacientes señalados nunca lo intentarán. Los modelos se entienden mejor como herramientas para priorizar la atención clínica limitada. Eso hace que la respuesta a una bandera sea la verdadera cuestión ética. Las buenas prácticas tratan una bandera como un motivo para la atención y la divulgación voluntaria: un registro, una revisión del plan de atención, planificación de seguridad y discusión de los límites al acceso a medios letales, como el almacenamiento seguro de armas de fuego. Las malas prácticas utilizan banderas de forma punitiva o coercitiva, las comparten fuera de la atención clínica o no las explican a los pacientes. Los sistemas de salud también necesitan evaluar el desempeño en todos los grupos raciales, étnicos, de edad y de sexo, porque un modelo formado sobre registros pasados ​​hereda brechas en cuanto a quién fue diagnosticado y tratado. Fuera de la atención sanitaria, plataformas como Facebook han utilizado la detección automatizada de publicaciones suicidas desde 2017, con mucha menos validación pública.