Algoritma dapat Mendeteksi orang yang ingin Bunuh Diri
Images: Carnegie Mellon University |
Para ilmuwan mempublikasikan temuan penelitian skala kecil mereka Senin di jurnal Nature Human Behavior. Mereka berharap untuk mempelajari kelompok orang yang lebih besar dan menggunakan data tersebut untuk mengembangkan tes sederhana yang dapat digunakan dokter untuk lebih mudah mengenali orang yang berisiko bunuh diri.
Bunuh diri adalah penyebab kematian nomor dua di antara orang dewasa muda, menurut Pusat Pengendalian dan Pencegahan Penyakit A.S.. Tapi memprediksi usaha bunuh diri itu menantang. Metode saat ini bergantung pada pelaporan diri pasien melalui kuesioner atau dalam sebuah wawancara, yang seringkali tidak dapat diandalkan.
Terapis yang mewawancarai pasien mungkin akan kehilangan tanda-tanda itu, atau pasiennya tidak apa-apa pada saat wawancara namun kemudian berubah, atau pasien mungkin berbohong, kata David Brent, seorang ketua yang dianugerahi dalam studi bunuh diri di University of Pittsburgh di Pennsylvania dan seorang kolaborator pada laporan. "Pasien mungkin punya alasan untuk tidak jujur-mereka tidak ingin dirawat di rumah sakit," katanya. "Semua faktor tersebut bertentangan dengan prediksi yang akurat."
Pemindaian otak, bagaimanapun, cukup diceritakan, terutama saat dianalisis dengan algoritma, Brent dan rekan-rekannya menemukan. "Kami mencoba untuk mencari tahu apa yang sedang terjadi di otak seseorang saat mereka sedang berpikir untuk bunuh diri," kata Brent.
Pemindaian ini, yang diambil dengan menggunakan fMRI, atau pencitraan resonansi magnetik fungsional, menunjukkan bahwa kata-kata yang kuat seperti 'kematian', 'masalah', 'bebas', dan 'pujian', memicu berbagai pola aktivitas otak pada orang-orang yang bunuh diri, dibandingkan dengan orang yang tidak Itu berarti orang yang berisiko bunuh diri memikirkan konsep itu secara berbeda dari orang lain-yang dibuktikan oleh tingkat dan pola aktivitas otak, atau tanda tangan saraf.
Diperlukan penggunaan algoritma pembelajaran mesin (dalam hal ini pengklasifikasi Gaussian Naive Bayes) untuk mengidentifikasi tanda tangan saraf tersebut. "Akan sangat sulit bagi manusia untuk membedakan pola perbedaan" antara satu kelompok orang dan orang lain, yang melibatkan penghitungan tingkat aktivasi berbagai elemen di banyak wilayah otak, kata Marcel Just, seorang profesor psikologi di Carnegie. Mellon University di Pittsburgh, yang bekerja sama dalam proyek tersebut. "Saya tidak tahu berapa banyak waktu bagi pengklasifikasi untuk melakukan ini," tambahnya saja, "tapi mungkin tepat pada hitungan detik."
Untuk penelitian tersebut, para peneliti merekrut 34 relawan berusia antara 18 dan 30 setengah dari mereka yang berisiko, dan separuh lainnya tidak berisiko melakukan bunuh diri. Mereka menunjukkan kepada peserta serangkaian kata yang terkait dengan aspek kehidupan positif dan negatif, atau kata-kata yang terkait dengan bunuh diri, dan meminta mereka untuk memikirkan kata-kata itu.
Kemudian para peneliti mencatat, dengan fMRI, aliran darah serebral pada relawan saat mereka memikirkan kata-kata itu, dan memberi umpan pada algoritme tersebut, yang mengindikasikan relawan mana yang berisiko bunuh diri dan mana yang tidak. Algoritma kemudian belajar apa tanda tangan saraf di otak orang yang suka bunuh diri cenderung terlihat seperti.
Kemudian mereka menguji algoritma dengan memberi mereka tanda tangan saraf baru untuk melihat seberapa baik mereka bisa memprediksi, berdasarkan pembelajaran dari subjek lain, apakah seseorang tersebut bunuh diri atau tidak. Classifier melakukannya dengan akurasi 91%. Secara terpisah, pengklasifikasi mampu mengidentifikasi, dengan akurasi 94%, yang sukarelawan benar-benar telah melakukan upaya bunuh diri, versus hanya memikirkannya saja.
Menempatkan seseorang di mesin fMRI untuk mencari tahu apakah mereka bunuh diri mungkin tidak praktis, hanya dan Brent berkata. Sebagai gantinya, mereka berharap untuk menggunakan data tersebut untuk mengembangkan tes atau kuesioner yang murah yang dapat menilai risiko bunuh diri lebih andal daripada metode saat ini.
Misalnya, penelitian ini menghubungkan emosi tertentu dengan bunuh diri. "Jika mereka berubah menjadi pasangan yang dapat diandalkan ... Anda bisa menjelajahinya dengan orang-orang dan berpotensi memisahkan emosi dari bunuh diri. Atau Anda bisa menggunakannya untuk memantau kemajuan terapeutik mereka dan lebih tepatnya menargetkan psikoterapi, "kata Brent. Tapi pertama, mereka harus melakukan penelitian yang lebih besar untuk memastikan bahwa emosi dan kata-kata pemicu tersebut berhasil dipasangkan dengan bunuh diri.
Kelompok lain juga telah memberikan beberapa pendekatan menjanjikan untuk penilaian bunuh diri yang menggunakan teknologi teknik komputer. John Pestian di Cincinnati Children's Hospital dan Louis-Philippe Morency telah mengembangkan teknologi yang dapat menilai kualitas suara-pola linguistik dan akustik-yang mengindikasikan risiko bunuh diri.
Dan ada selusin proyek yang menggunakan pembelajaran mesin untuk menambang catatan kesehatan elektronik untuk memprediksi bunuh diri. Salah satu teknik tersebut, yang dikembangkan oleh Colin Walsh di Vanderbilt University di Nashville, melihat obat-obatan, luka-luka dan bahasa alami dalam catatan kesehatan elektronik secara retrospektif, dan memperkirakan pasien mana yang mencoba melakukan bunuh diri dan kapan, sekitar satu minggu setelah kejadian tersebut.
Marcel Just mengerjakan sebuah penelitian baru yang serupa dengan penelitian fMRI, di mana sinyal saraf yang terkait dengan emosi bunuh diri kunci terkait diukur dengan EEG, atau electroencephalography. Teknologi ini jauh lebih murah dan lebih praktis daripada mencoba menggunakan fMRI untuk mengidentifikasi risiko bunuh diri.
"Akan sangat membantu jika berhasil," kata Just. Dia enam bulan untuk hibah dua tahun untuk proyek tersebut, katanya.
No comments: