基于机器学习的自杀风险预测,使用初步问卷和咨询文本
Ryota Ogasawara1, Takeshi Imai1, Kazuyoshi Takeda2
1Center for Disease Biology and Integrative Medicine, Graduate School of Medicine, The University of Tokyo, Japan.
Studies in health technology and informatics
|August 8, 2025
概括
机器学习 (ML) 通过分析医疗问卷和聊天记录,改善了日本心理健康服务中的自杀风险分类. 结合这两种数据类型可以提高准确性,有助于有效地优先考虑高风险个体.
科学领域:
- 人工智能的人工智能
- 心理健康技术 心理健康技术
- 计算精神病学是一种计算精神病学.
背景情况:
- 在日本,基于聊天的心理健康服务面临着由于人力不足而导致响应率低的挑战.
- 迫切需要有效的方法来实时评估自杀风险.
- 充分利用初步信息与咨询文本一起,对于准确的风险评估至关重要.
研究的目的:
- 提出和评估基于机器学习 (ML) 的自杀风险分类方法.
- 确定初步信息 (医疗问卷 - MQ) 和咨询文本 (CT) 的最佳组合,以进行风险评估.
- 加强对心理健康服务中高风险用户的优先考虑.
主要方法:
- 开发五种基于ML的自杀风险分类方法.
- 构建一个数据集,包括MQ,CT,聊天日志和六级风险评估.
- 使用ROC-AUC的方法的评估,重点关注M3方法,单独输出MQ和CT的中间预测.
主要成果:
- 使用M3方法实现了最高的ROC-AUC,即0.879.
- 结合MQ和CT数据,单独使用任何数据源的表现明显优于MQ和CT数据.
- 在MQ中,自杀念头被确定为一个关键的预测项目.
结论:
- ML方法,特别是M3方法,在分类自杀风险方面显示出显著的前景.
- 整合多种数据源 (MQ和CT) 对于可靠的自杀风险评估至关重要.
- 提出的方法可以有效地帮助优先考虑高风险用户,尽管在某些情况下存在分类挑战.
