• 2022年，美国自杀率创历史新高

• 新工具在预测与自残有关的四个变量方面的有效性为92%

• 与大数据不同，人工智能只使用一小部分判断和上下文变量，并强烈支持标准思维模型的假设

一种利用强大人工智能的新评估工具能够通过快速简单的变量组合来预测参与者是否表现出自杀想法和行为。

该系统由西北大学、辛辛那提大学(UC)、亚里士多德塞萨洛尼基大学和马萨诸塞州总医院/哈佛医学院的研究人员开发，主要关注简单的图片排序任务，以及一小组背景/人口变量，而不是广泛的心理数据。

该工具在预测与自杀想法和行为相关的四个变量方面的平均有效性为92%。

该研究的第一作者、西北大学的博士生Shamal Shashi Lalvani说:“一个量化奖励和厌恶判断的系统为我们理解偏好行为提供了一个视角。”“通过使用描述人类行为的可解释变量来预测自杀行为，我们为更定量地了解心理健康开辟了一条道路，并与行为经济学等其他学科建立了联系。”

这项研究将于5月9日星期四发表在《自然心理健康》杂志上。研究结论是，一小部分行为和社会指标在预测自杀念头和行为方面发挥着关键作用。目前的工作详细介绍了一个工具的组成部分，这个工具可以成为一个应用程序，供医疗专业人员、医院或军队使用，以评估谁最有可能自残。

“据报道，在美国，每天大约有20名退伍军人自杀，其中很多是学生。我们都可以引用统计数据来说明美国医疗系统是如何处于崩溃边缘的。我希望我们能早点拥有这项技术。这项研究的联络人、加州大学计算机科学和生物医学工程教授汉斯·布雷特说:“数据有力地表明，它会改变结果。”

“人们已经开发出了很好的大数据技术，”布雷特说，“但我们在解释基于大数据的许多预测的含义方面存在问题。基于数学心理学的少量变量似乎可以解决这个问题，如果当前的机器学习要解决人工通用智能的问题，这是必要的。”

数据收集自2021年完成的调查，调查对象是美国各地4,019名年龄在18至70岁之间的参与者。参与者的身份受到保护，不与研究人员分享，参与者给予知情同意。

参与者被要求对48张随机选出的照片进行排序，按照3到-3的喜不喜欢评分标准，分为6个类别:运动、灾难、可爱的动物、好斗的动物、自然和穿泳衣的成年人。研究人员还收集了一组有限的人口统计数据，包括年龄、出生时的性别、种族或民族、最高受教育程度和惯用手。

该研究的共同负责人、麦考密克大学电子与计算机工程约瑟夫·卡明斯教授、西北大学多媒体图像与视频处理实验室人工智能主任阿格洛斯·卡萨格洛斯说:“使用图片评级任务可能看起来很简单，但了解个人偏好以及人们如何评估奖励和厌恶，在塑造个性和行为方面发挥着重要作用。”

“我们发现，在不使用大量电子健康记录或其他形式的大数据的情况下，我们预测自杀的结果超过了典型的测量方法，”Katsaggelos说。

除了对图片进行评分外，参与者还完成了一组有限的心理健康问题，并被要求以五分制对感知到的孤独感进行排名。

当将数据插入西北大学和辛辛那提大学开发的人工智能系统时，该软件能够预测四种自杀想法和行为:被动自杀意念(没有计划的欲望);活跃的想法(当前的和具体的想法);计划自杀;规划应对策略以防止自残。

研究人员指出，其他国家的受访者可能有独特的文化影响，这可能会影响预测的成功，尽管种族和性别影响在所有使用的衡量标准中最不具预测性。研究人员说，另一个潜在的限制是，调查是自我报告的，而不是通过临床评估，并补充说，很难看出如何对自杀进行前瞻性研究。最后，该队列是在COVID-19大流行期间抽样的，当时的孤独感和自残率高于正常水平。