范德堡大学用机器学习预测自杀，准确率在80%以上

安妮 编译自 Quartz 量子位出品 | 公众号 QbitAI

全球每年有80万人死于自杀，这是一个不容忽视的公共卫生问题。有研究表明，医护人员提供的自杀评估报告对抑制自杀也不甚奏效。

目前，美国范德堡大学医疗中心的数据学家Colin Walsh可以用机器学习算法预测自杀倾向，并将他们的研究成果刊登在《临床心理科学》上。

Paper下载链接：

http://journals.sagepub.com/doi/abs/10.1177/2167702617691560

△ 梵高在1890自杀，死前留下这幅《在永生之门》

这项研究的准确性惊人的高。在试验中，预测“两年内是否会尝试自杀”的准确性在80%-90%之间，预测“一周内是否会尝试自杀”的概率高达92%。那么，Walsh团队是如何实现这项成果的呢？

研究方法

这项预测算法是基于医院广泛的入院数据制作的，数据涵盖了病患的年龄、性别、所在地区、用药记录和先前诊断等信息。

Walsh和他的团队收集了5167名范德堡大学医疗中心病人的数据，这些病人都承认自己有自我伤害行为或自杀意念倾向。Walsh团队了解了这些病例情况后，鉴定出3250例自杀未遂的情况。

但凡算法的训练都需要大量数据的支撑，Walsh团队也不例外。他们用了5000多个案例来训练机器，让它在有自我伤害行为的人中筛出可能尝试过自杀的人。研究人员为此建立算法，随机抽取12695个无自杀记录的病患，预测他们是否尝试过自杀。简单来说，就是预测医院病患的自杀风险。

发表论文只是研究的第一阶段，目前Walsh在用另一家医院的完全不同的数据集研究算法的准确率。他希望确定了模型可靠后可以与更大的团队合作，在未来两年内研究合适的干预项目。“我想它会很快实现，但在医疗行业，很快也需要数月时间。”Walsh说。

关键在于如何解读数据

从人自身角度来说，自杀是一项强烈的个人行为，基于原始数据集达到如此高的预测准确率几乎是不可能的。Walsh说，临床医生对机器预测好奇是正常的，但算法非常复杂，只揪出单一因素来解释也是不可能的。“这项预测是风险因素的组合，也是它给予了我们答案。”Walsh说。

Walsh团队发现服用褪黑素似乎是自杀的前兆。褪黑素是昼夜节律的一部分，也是人体内生物钟得以维持的重要因素。“我不认为服用褪黑素会导致患者自杀，没有生理学知识证明褪黑素促进自杀。但需要注意的一点是，睡眠障碍和自杀有直接的关系。”Walsh说。

目前，这个机器学习算法只基于入院治疗的病患数据，但是Walsh认识到很多有自杀倾向的病人并不会事先去医院接受治疗。他对此进行了表态：“如果我们只依靠来自医疗保健单位的数据，那我们也就只能在那停滞不前了。”

因此，他们开始在Facebook和Twitter上投入一些精力。来自社交网络的数据会更全面，也更有利于预测自杀的风险。对于这项研究，他们将从判断社交网络上信息的真假着手。

预测自杀是为了更好地干预自杀，可能不久后机器做得比心理医生还要好了。