MIT: narzędzie AI szacuje ryzyko samobójstwa z analizy tekstu

MIT News informuje o nowym narzędziu do analizy języka, które ma pomóc konsultantom kryzysowym w szybszym identyfikowaniu osób z najwyższym ryzykiem samobójczym. Rozwiązanie opracowane przez naukowców z McGovern Institute for Brain Research na MIT analizuje tekst rozmów prowadzonych przez osoby w kryzysie z konsultantami i na tej podstawie ocenia poziom ryzyka, opierając się na słowach i frazach powiązanych z konkretnymi czynnikami ryzyka.

Kluczowe wnioski

• Narzędzie opracował Daniel Low, były doktorant w Senseable Intelligence Group Satry Ghosha na MIT, obecnie pracujący w Child Mind Institute i będący visiting scholarem na Uniwersytecie Harvarda.
• System wykorzystuje niestandardowy słownik obejmujący około 60 słów lub fraz dla każdego z 49 czynników ryzyka samobójstwa, a jego przydatność potwierdzili eksperci kliniczni.
• Badacze przeanalizowali dane z ok. 16 000 zanonimizowanych rozmów z organizacji Crisis Text Line, podzielonych na trzy poziomy ryzyka: brak myśli samobójczych, myśli samobójcze bez bezpośredniego ryzyka i ryzyko bezpośrednie (plan lub zamiar odebrania sobie życia w ciągu 48 godzin).
• Model trafnie przewiduje poziom ryzyka na podstawie wcześniej niewidzianych rozmów, a wyniki opublikowano w Journal of Psychopathology and Clinical Science.
• Wbrew intuicji wzmianki o metodach śmiertelnych i używaniu substancji okazały się silniejszymi predyktorami najwyższego ryzyka niż depresyjny nastrój czy zmęczenie.

Trudne do przewidzenia ryzyko

Próby samobójcze są notorycznie trudne do przewidzenia. Naukowcy wskazują na dziesiątki czynników ryzyka powiązanych z samobójstwem, a nawet doświadczeni klinicyści mają problem z rozpoznaniem, kto z osób doświadczających myśli samobójczych faktycznie podejmie próbę. Wśród czynników zwiększających ryzyko wymienia się zaburzenia psychiczne, takie jak depresja, zaburzenie osobowości borderline czy zespół stresu pourazowego, a także stresory środowiskowe i społeczne, w tym ubóstwo, pozbawienie wolności, dyskryminację i samotność.

„Widzi się tych 50 czynników ryzyka, a wszystkie ze sobą interagują w sposoby, których w pełni nie rozumiemy” – mówi Low. Jak zauważa, „wiele różnych ścieżek może prowadzić do tego, że ktoś czuje potrzebę ucieczki od wewnętrznego bólu” – trudno jednak przewidzieć, czyja ścieżka doprowadzi do próby samobójczej lub śmierci.

Ghosh i Low chcieli zrozumieć, na jakie czynniki ryzyka konsultanci i klinicyści powinni zwracać szczególną uwagę podczas kryzysu psychicznego. Aby to zbadać, nawiązali współpracę z Crisis Text Line – globalną organizacją pozarządową działającą na rzecz zdrowia psychicznego, której przeszkoleni wolontariusze udzielają poufnego wsparcia tekstowego osobom w kryzysie. Organizacja zapewniła specjalistyczne szkolenie i kontrolowany dostęp do swojego ograniczonego zbioru danych.

Naukowcy skupili się przede wszystkim na grupie o bezpośrednim ryzyku – osobach mających plan samobójczy lub zamiar odebrania sobie życia w ciągu najbliższych 48 godzin. „Chcieliśmy wiedzieć, jaki rodzaj symptomów przewiduje najwyższe ryzyko samobójcze” – tłumaczy Low. Zagadnienie to badano już wcześniej, jednak zazwyczaj za pomocą ankiet epidemiologicznych, w których proszono osoby o przypomnienie sobie symptomów i doświadczeń – często po tym, jak ich kryzys psychiczny już minął. Dane Crisis Text Line dały badaczom rzadką możliwość: „ocenę wielu różnych symptomów i potencjalnych czynników ryzyka w momencie, gdy ludzie faktycznie przeżywają kryzys”.

Jak działa analiza tekstu

Przed przystąpieniem do analizy rozmów zespół badawczy zbudował tzw. leksykon ryzyka samobójczego. W pierwszym etapie wykorzystał sztuczną inteligencję do wygenerowania wstępnej listy słów i fraz powiązanych z ustalonymi czynnikami ryzyka – dotyczącymi myśli samobójczych, prób samobójczych i śmierci samobójczej. Listę tę następnie ręcznie zweryfikowano i skorygowano. Finalny leksykon zawiera około 60 słów lub fraz dla każdego z 49 czynników ryzyka, przy czym trafność każdego z nich potwierdzili eksperci kliniczni.

W kolejnym kroku badacze wytrenowali model uczenia maszynowego, który przeszukuje treść rozmów kryzysowych w poszukiwaniu słów i fraz z leksykonu, wykorzystując je do przewidywania poziomu ryzyka. Ponieważ każde słowo lub fraza jest powiązane z konkretnym czynnikiem ryzyka, dane te pozwoliły określić, które czynniki są najsilniej związane z bezpośrednim ryzykiem u osób w kryzysie.

Wyniki były zgodne z wzorcami obserwowanymi w wcześniejszych badaniach, choć nie zawsze intuicyjne. Depresja jest dobrze znanym czynnikiem ryzyka myśli samobójczych, jednak model wykazał, że wzmianki o metodach śmiertelnych oraz o używaniu substancji częściej padały w grupie najwyższego ryzyka niż wzmianki o obniżonym nastroju czy zmęczeniu. Silnymi predyktorami okazały się także wyrażenia dotyczące aktywnych myśli samobójczych oraz samookaleczenia. Pośrednimi predyktorami były z kolei lęk, zespół stresu pourazowego i cierpienie emocjonalne.

Model przewidujący przypisuje każdemu czynnikowi ryzyka wagę odpowiadającą jego wpływowi na wynik. Wzmianki o śmiertelnych metodach samobójstwa, takich jak słowa „ciąć” czy „tabletki”, są traktowane z dużą wagą, natomiast terminy związane z poczuciem bezsensu, jak „nie wiem, co robić” czy „bezradność”, wpływają na wynik w mniejszym stopniu. Po wytrenowaniu model potrafił dokładnie przewidzieć poziom nasilenia ryzyka w rozmowach, których wcześniej nie analizował.

Znaczenie dla praktyki klinicznej

Zdaniem badaczy narzędzie już teraz pomaga wyjaśnić, które czynniki ryzyka samobójczego mają największe znaczenie w chwilach kryzysu – a to informacja bezpośrednio przydatna konsultantom i klinicystom pracującym z osobami w stanie zagrożenia. Po dalszej walidacji może posłużyć jako wsparcie oceny ryzyka w warunkach klinicznych oraz w sytuacjach kryzysowego wsparcia tekstowego, potencjalnie umożliwiając szybsze rozpoznanie osób wymagających najbardziej pilnej interwencji.

Autorzy zwracają jednak uwagę na ograniczenia podejścia opartego na leksykonie – choć źródłowy artykuł nie precyzuje ich w pełni, samo podejście oparte na słowach kluczowych z natury nie oddaje wszystkich niuansów językowych i kontekstowych, jakie mogą pojawić się w rozmowie z osobą w kryzysie.

Praca zespołu z McGovern Institute pokazuje, że analiza języka naturalnego – prowadzona z odpowiednią walidacją kliniczną – może wspierać, choć nie zastąpić, ocenę ryzyka samobójczego dokonywaną przez przeszkolonych specjalistów.