Crean un algoritmo basado en IA para prevenir el suicidio y la autolesión

La inteligencia artificial (IA) se ha convertido en una herramienta muy importante para el estudio, la prevención y el diagnóstico en temas de salud mental. Los modelos de aprendizaje automático son capaces de procesar grandes cantidades de datos de pacientes para identificar posibles factores de riesgo y medir cómo predecir este tipo de problemas, cada vez más comunes entre la población. Por ello, investigadores de la Universidad de Nueva Gales del Sur (UNSW), Australia, han desarrollado un nuevo modelo de aprendizaje automático capaz predecir el riesgo de suicidio e intentos de autolesión en adolescentes.

Según datos de la universidad, entre los adolescentes de Australia, el suicidio es la principal causa de muerte y las autolesiones afectan al 18% de los que tienen entre 14 y 17 años. Lamentablemente, ambos se han vuelto más comunes en este grupo de edad durante la última década.

Los métodos actuales de evaluación de riesgos, como analizar intentos pasados, pueden ser poco fiables y no tienen en cuenta muchos otros factores de riesgo potenciales. Además, los adolescentes fuera de estos entornos de atención sanitaria pasan desapercibidos. "A veces necesitamos digerir y procesar mucha información que estaría más allá de la capacidad del médico", dice el autor principal, el doctor Daniel Lin, psiquiatra e investigador de salud mental afiliado a la UNSW. "Esa es la razón por la que estamos aprovechando los algoritmos de aprendizaje automático".

Los investigadores utilizaron datos del “Estudio Longitudinal de Niños Australianos”, que ha estado recopilando una variedad de datos de niños de todo el país desde 2004. Su análisis incluyó a 2.809 participantes, divididos en un grupo de edad de 14 a 15 años y un grupo de 16 años. Los datos provinieron de cuestionarios completados por los niños, sus cuidadores y sus maestros de escuela. De todos ellos, el 10,5% informó haber cometido un acto de autolesión y el 5,2% haber intentado suicidarse al menos una vez en los últimos 12 meses. "Estos comportamientos definitivamente no se reportan lo suficiente, por lo que las proporciones reales son mayores", explica Lin.

Identificar factores de riesgo

Los investigadores identificaron más de 4.000 factores de riesgo potenciales a partir de los datos, relacionados con áreas como la salud mental, la salud física, las relaciones con los demás y el entorno escolar y familiar. Utilizaron un algoritmo de clasificación de bosque aleatorio (una técnica avanzada de aprendizaje automático) para identificar los factores de riesgo. Estos modelos pudieron predecir los intentos con mayor precisión que el enfoque estándar, que sólo considera el historial de intentos previos de la persona.

Para el suicidio y la autolesión, los factores de riesgo más importantes fueron los sentimientos depresivos, las dificultades emocionales y de comportamiento, las autopercepciones y la dinámica escolar y familiar. También hubo factores únicos específicos del suicidio o de la autolesión. “Un predictor único del suicidio fue la falta de autoeficacia, cuando alguien siente una falta de control sobre su entorno y su futuro. Y un predictor único de autolesión fue la falta de regulación emocional”, afirma Lin. "Nos sorprendió ver que los intentos anteriores no estaban entre los principales factores de riesgo".

Otro hallazgo inesperado fue la importancia de la dinámica escolar y familiar en la predicción de intentos de suicidio y autolesión. Según el doctor Lin, existe el estereotipo de que las personas se autolesionan o se suicidan debido a una mala salud mental intrínseca. Por ello, de acuerdo con el investigador, modelos de aprendizaje automático como este podrían ayudar a los médicos a evaluar el riesgo de suicidio y autolesión en pacientes adolescentes, aunque se necesita más investigación antes de que estos puedan integrarse en la atención clínica.

---