L'IA dans la prévision des risques de suicide

La plupart des modèles de système de santé s'appuient sur des données déjà présentes dans le dossier de santé électronique : tentatives de suicide antérieures et diagnostics d'automutilation, diagnostics de santé mentale et de consommation de substances, ordonnances, visites aux urgences et séjours hospitaliers, et réponses de dépistage telles que l'élément 9 du PHQ-9, qui pose des questions sur les pensées de mort ou d'automutilation. Les méthodes vont de la régression logistique pénalisée aux forêts aléatoires et aux arbres boostés par gradient. Les efforts bien connus incluent des modèles du réseau de recherche en santé mentale, qui comprend les sites Kaiser Permanente, des travaux au centre médical de l'université de Vanderbilt et le REACH VET du VA, lancé en 2017, qui signale à peu près les 0,1 pour cent les plus élevés des scores de risque à examiner. Plusieurs grandes études font état d’une bonne discrimination, ce qui signifie que les modèles classent raisonnablement bien les patients à risque élevé par rapport à ceux à faible risque. La principale idée fausse est que ces modèles prédisent qui mourra. Ce n’est pas le cas. Le suicide est rare au cours d'un mois donné, de sorte que même un modèle précis produit principalement des faux positifs ; la plupart des patients signalés ne tenteront jamais. Les modèles sont mieux compris comme des outils permettant de prioriser une attention clinique limitée. Cela fait de la réponse à un drapeau la véritable question éthique. Les bonnes pratiques considèrent un drapeau comme un motif de prise en charge et de sensibilisation volontaire : un enregistrement, un examen du plan de soins, une planification de la sécurité et une discussion sur les limites d'accès à des moyens mortels tels que le stockage sécurisé des armes à feu. Les mauvaises pratiques utilisent les indicateurs de manière punitive ou coercitive, les partagent en dehors des soins cliniques ou les laissent inexpliqués aux patients. Les systèmes de santé doivent également tester leurs performances en fonction des groupes raciaux, ethniques, d’âge et de sexe, car un modèle formé sur la base des dossiers antérieurs hérite de lacunes quant aux personnes diagnostiquées et traitées. En dehors des soins de santé, des plateformes telles que Facebook utilisent la détection automatisée des messages suicidaires depuis 2017, avec beaucoup moins de validation publique.