自杀预防中的人工智能:利用深度学习方法进行早期检测

科学领域:

• 人工智能的人工智能
• 机器学习 机器学习
• 计算精神病学是一种计算精神病学.

背景情况:

• 印度的学生自杀率日益令人担忧,需要及早识别以进行干预.
• 积极的战略对于识别弱势学生至关重要,特别是那些准备参加竞争性考试的学生.
• 及时干预可以减轻学生自我伤害的风险.

研究的目的:

• 开发一种使用人工神经网络 (ANN) 的人工智能 (AI) 模型,用于预测学生的自杀倾向.
• 创建一个以技术驱动的方法来识别有高自杀风险的学生.
• 为了促进风险学生的早期干预,从而减少自我伤害.

主要方法:

• 一个具有人工神经网络 (ANN) 架构的AI模型被设计用于自杀风险预测.
• 从文献和专家见解中策划了一个33个特征的输入层,加权的二进制特征.
• 使用Optuna库和回归的超参数优化用于模型改进和偏差评估. 模型的性能与使用统计指标和科恩的卡帕系数对专家评估进行了验证.

主要成果:

• 人工智能模型在学生的自杀风险评估方面取得了卓越的预测性能.
• 关键性能指标包括98%的准确性,100%的精度,97%的回忆力和98%的F1分数.
• 科恩的卡帕系数为1.00,表明模型的分类和专家评估之间存在实质性的一致性.

结论:

• 这项研究提出了一个有前途的AI模型,利用ANN来预测压力较大的学生的自杀风险.
• 该模型的高准确性,精度和回忆,与专家评估一致,支持其及时识别风险的潜力.
• 人工智能模型在评估大量学生群体的效率表明了显著的临床潜力,需要进一步改进和现实世界的验证.