自动检测自杀倾向风险？算法能做到！

自杀已成为公众健康最突出的问题之一，然而，在个体中发现自杀风险因素仍然是一个巨大的挑战。那么，能不能开发一种机器学习算法，来有效和准确地识别自杀意图的概率呢？

对此，中南大学湘雅二院精神科的研究者们进行了一项自杀预测的研究。这个研究一共纳入4882名中国医学生。通过网站或广泛使用的社交媒体应用程序微信在线收集关于社会人口学和临床特征的自我报告数据。采用5倍交叉验证建立随机森林模型，其中包含37个自杀企图预测因子。测量模型的敏感性、特异性、曲线下面积(AUC)和准确性。所有分析均在MATLAB中进行。

研究发现，随机森林模型预测自杀未遂的准确率相当高，达到了90.1% (SD = 0.67%)，敏感性为73.51% (SD = 2.33%)，特异性为91.68% (SD = 0.82%)，具有较好的预测效果[曲线下面积(area under The curve, AUC) = 0.9255]。

不过，这个研究有一点局限，就是参与者主要是女性和医学院学生。他们对于社交媒体的使用比较频繁，所以通过社交媒体数据收集到的数据比较准确客观。对于社交媒体使用较少的群体，算法预测结果还有待考证。

总之，这个研究表明，随机森林模型在预测医学生自杀倾向方面具有较高的准确性。应用机器学习模型可能有助于提高自杀预防的效率。

参考文献：

Shen Y, Zhang W, Chan BSM, Zhang Y, Meng F, Kennon EA, Wu HE, Luo X, Zhang X. Detecting risk of suicide attempts among Chinese medical college students using a machine learning algorithm. J Affect Disord. 2020 May 11;273:18-23. doi: 10.1016/j.jad.2020.04.057. [Epub ahead of print]