یک پروژه تحقیقاتی منحصربه‌فرد با استفاده از داده‌های تلفن‌های هوشمند و حسگرهای زیستی پوشیدنی برای شناسایی دوره‌های پرخطر و مداخله، صدها نفر را که در معرض خطر خودکشی هستند ردیابی می‌کند.
کمبریج، ماساچوست در ماه مارس، کاتلین کروز آخرین بستری شدن در بیمارستان روانپزشکی خود را با ترکیبی آشنا از احساسات ترک کرد. او از یک طرف از ترک بند آسوده شد، جایی که دستیاران بند کفش های او را برداشتند و گاهی به دنبال او به داخل دوش رفتند تا مطمئن شوند که به خودش آسیبی نمی رساند.
او در مصاحبه ای گفت، اما زندگی او در بیرون مثل همیشه ناآرام بود، با انبوهی از صورت حساب های پرداخت نشده و بدون خانه دائمی. بازگشت به افکار خودکشی آسان بود. طبق یک مطالعه، برای بیماران شکننده، هفته‌های پس از ترخیص از یک مرکز روانپزشکی دوره بسیار دشواری است، با نرخ خودکشی حدود 15 برابر نرخ ملی.
اما این بار خانم کروز 29 ساله بیمارستان را به عنوان بخشی از یک پروژه تحقیقاتی وسیع ترک کرد که تلاش می‌کند از پیشرفت‌های هوش مصنوعی برای انجام کاری که قرن‌ها از روانپزشکان دور بوده است استفاده کند: پیش‌بینی اینکه چه کسی و چه زمانی احتمال دارد اقدام به خودکشی کند. فرد احتمالاً آن را تلاش می کند و سپس مداخله می کند.
در زمینه سلامت روان، تعداد کمی از حوزه های جدید به اندازه یادگیری ماشینی که از الگوریتم های کامپیوتری برای پیش بینی بهتر رفتار انسان استفاده می کند، هیجان ایجاد می کند. در عین حال، علاقه شدیدی به حسگرهای زیستی وجود دارد که می‌توانند خلق و خوی افراد را در زمان واقعی ردیابی کنند، انتخاب‌های موسیقی، پست‌های رسانه‌های اجتماعی، حالت چهره و حالت صوتی را فاکتور می‌کنند.
متیو کی. ناک، روانشناس دانشگاه هاروارد که یکی از برترین محققان خودکشی کشور است، امیدوار است بتواند این فناوری ها را در یک نوع سیستم هشدار زودهنگام به هم پیوند دهد که می تواند هنگام مرخص شدن بیمار در معرض خطر از بیمارستان استفاده شود.
او این مثال را ارائه می دهد که چگونه می تواند کار کند: حسگر گزارش می دهد که خواب بیمار مختل شده است، او در پرسشنامه ها خلق و خوی ضعیفی را گزارش می دهد و GPS نشان می دهد که او از خانه خارج نمی شود. اما شتاب‌سنج تلفن او نشان می‌دهد که او زیاد در حال جابجایی است که نشان از آشفتگی دارد. الگوریتم بیمار را علامت گذاری می کند. صدای پینگ روی داشبورد می آید. و در زمان مناسب، یک پزشک با یک تماس تلفنی یا یک پیام تماس می گیرد.
دلایل زیادی برای شک وجود دارد که یک الگوریتم می تواند به این سطح از دقت دست یابد. خودکشی یک رویداد نادر است، حتی در میان افرادی که در معرض خطر قرار دارند، که هر تلاشی برای پیش‌بینی آن به نتایج مثبت کاذب منجر می‌شود و مداخلاتی را بر روی افرادی که ممکن است به آنها نیازی ندارند، وادار کند. منفی های کاذب می تواند مسئولیت قانونی را بر دوش پزشکان بگذارد.
الگوریتم‌ها به داده‌های ریز و درازمدت از تعداد زیادی از افراد نیاز دارند، و مشاهده تعداد زیادی از افرادی که بر اثر خودکشی می‌میرند تقریبا غیرممکن است. در نهایت، داده‌های مورد نیاز برای این نوع نظارت، پرچم‌های قرمز را در مورد تجاوز به حریم خصوصی برخی از آسیب‌پذیرترین افراد جامعه برمی‌انگیزد.
دکتر ناک با همه این استدلال ها آشناست، اما تا حدی به دلیل ناامیدی محض، ادامه داده است. او گفت: «با تمام احترامی که برای افرادی که دهه‌ها، برای یک قرن این کار را انجام می‌دهند، ما چیز زیادی درباره نحوه شناسایی افراد در معرض خطر و نحوه مداخله نیاموخته‌ایم.» «میزان خودکشی در حال حاضر همان چیزی است که به معنای واقعی کلمه 100 سال پیش بود. بنابراین اگر صادق باشیم، بهتر نمی شویم.»
برای روانپزشکان، وظایف کمی بیشتر از مراقبت از بیمارانی است که می دانند در خانه و بدون نظارت در معرض خطر خودکشی قرار دارند.
دکتر Karen L. Swartz، استاد روانپزشکی در دانشگاه جانز هاپکینز، آن را "منطقه خاکستری" می نامد. او زمانی که برای اولین بار با این مشکل دست به گریبان شد، تازه از تمرین خارج شده بود و از زنی خاردار و باهوش مراقبت می کرد که اعتراف کرد افکار خودکشی داشت و حتی به نقشه ای اشاره داشت، اما از فکر بستری شدن در بیمارستان می ترسید.
دکتر سوارتز برای مشاوره به شوهر زن مراجعه کرد. گفت اگر به زور او را به بیمارستان برسانی، اخراجت می کند.
بنابراین دکتر سوارتز تصمیم گرفت خطر را بپذیرد و به زن اجازه دهد در خانه بماند، داروهایش را تغییر دهد و منتظر بماند. او هفته‌های بعدی را روی تنتر هوک گذراند و به آرامی، بیمار بهبود یافت. او گفت: "این یکی از آن چیزهایی بود که من واقعاً امیدوار بودم که حق با من باشد." دکتر سوارتز که اکنون روانپزشکان جوان را آموزش می دهد، گفت: با تجربه، فقط واضح تر می شود که افکار خودکشی می توانند بدون هشدار بیایند و از بین بروند.
او گفت: "از ما خواسته می شود چیزی را پیش بینی کنیم که بسیار غیرقابل پیش بینی است."
سیستم های مراقبت های بهداشتی به طور فزاینده ای برای برقراری این تماس به یادگیری ماشین روی می آورند. الگوریتم‌های مبتنی بر مجموعه داده‌های گسترده - برگرفته از سوابق پزشکی الکترونیکی و همچنین تعداد زیادی از عوامل دیگر - برای تعیین امتیاز خطر به بیماران استفاده می‌شوند، به طوری که افراد در معرض خطر فوق‌العاده می‌توانند مورد توجه بیشتری قرار گیرند.
الگوریتم‌ها نسبت به روش‌های سنتی دقیق‌تر بوده‌اند، که بر اساس یک بررسی در سال ۲۰۱۷ از تحقیقات منتشر شده، طی ۵۰ سال بهبود نیافته‌اند و فقط کمی بهتر از شانس در پیش‌بینی نتیجه بودند. این روش ها در حال حاضر در برخی از محیط های بالینی استفاده می شود. از سال 2017، وزارت امور کهنه سربازان از الگوریتمی برای نشان دادن 0.1 درصد جانبازانی که در معرض خطر خودکشی هستند، چند هزار بیمار در جمعیت 6 میلیونی استفاده کرده است.
این رویکرد تا حدودی موفقیت را به همراه داشته است. مطالعه‌ای که سال گذشته در JAMA Network Open منتشر شد، نشان داد که جانبازانی که در REACH VET، برنامه‌ای برای بیماران در معرض خطر ثبت‌نام کرده‌اند، 5 درصد کمتر احتمال دارد که اقدام به خودکشی مستندی داشته باشند و کمتر در یک مرکز روانپزشکی بستری شوند یا به بیمارستان مراجعه کنند. اتاق اورژانس اما این مطالعه هیچ تغییر قابل توجهی در میزان خودکشی نشان نداد.
انتظاراتی که در مورد این تحقیق ایجاد شده است به حدی است که متخصصان برای تعدیل آنها به زحمت می افتند. مایکل شوئنبام، مشاور ارشد مؤسسه ملی سلامت روان، آن را با هیجان 25 سال پیش در مورد جستجوی نشانگرهای بیولوژیکی برای بیماری‌های روانی مقایسه کرد - موردی که در آن، او اشاره کرد، "خوشبین‌ها اشتباه می‌کردند."
او گفت: "ما منتظریم ببینیم چه زمانی و کجا و شاید حتی آیا سیگنال هایی مانند آن معتبر و قابل اعتماد هستند." شواهد تا کنون، از این نظر هیجان‌انگیز است که هر سیگنالی امیدوارکننده است. این کاری است که قبلاً اصلاً نمی توانستیم انجام دهیم.» اما، او هشدار داد، "ما به دنبال چیزی هستیم که هنوز پیدا نکرده ایم."
و برخی از همکاران دکتر ناک می گویند که تردید دارند پیش بینی های الگوریتمی برای مداخله در پنجره باریکی که قبل از اقدام به خودکشی انجام می شود، دقیق باشد.
نیک آلن، مدیر مرکز سلامت روان دیجیتال در دانشگاه اورگان، که به توسعه EARS کمک کرد، گفت: «مسلماً این یک مشکل به راحتی قابل حل نیست.» استفاده از زبان
دکتر آلن گفت: «احتمالاً، از برخی جهات، مشکلی قابل حل نیست، به همان دلیلی که ما تیراندازی در مدرسه داریم و به همان دلیل که نمی‌توانیم بسیاری از این نوع مسائل را پیش‌بینی کنیم». می دانید، ریاضیات واقعاً دلهره آور است.
در یک بعد از ظهر یک ماه آگوست در ساختمان ویلیام جیمز، یک دانشمند داده لاغر به نام آدام بیر با دمپایی و شورت گشاد در مقابل مانیتور در آزمایشگاه دکتر ناک نشسته بود و به نمودارهای زیگزاگی سطح استرس سوژه در طول دوره خیره شده بود. یک هفته
وقتی حالات به عنوان داده ترسیم می‌شوند، الگوها ظاهر می‌شوند و این وظیفه آقای خرس است که آنها را جستجو کند. او تابستان خود را صرف بررسی روزها و ساعات 571 نفر کرد که پس از جستجوی مراقبت های پزشکی برای افکار خودکشی، موافقت کردند که به مدت شش ماه به طور مداوم ردیابی شوند. در حالی که آنها تحت تعقیب بودند، دو نفر بر اثر خودکشی جان باختند و بین 50 تا 100 نفر تلاش کردند.
دکتر ناک معتقد است این بزرگترین مخزن اطلاعاتی است که تا به حال در مورد زندگی روزمره افرادی که با افکار خودکشی دست و پنجه نرم می کنند جمع آوری شده است.
این تیم بیشترین علاقه را به روزهای قبل از اقدام به خودکشی دارد، که فرصتی برای مداخله می‌گذارد. در حال حاضر، برخی از علائم ظاهر شده است: اگرچه تمایلات خودکشی اغلب در دوره قبل از اقدام تغییر نمی کند، به نظر می رسد توانایی مقاومت در برابر این تمایلات کاهش می یابد. به نظر می رسد یک چیز ساده - محرومیت از خواب - به آن کمک می کند.
دکتر ناک از سال 1994 به دنبال راه هایی برای مطالعه این بیماران بود، زمانی که تجربه ای داشت که او را عمیقا شوکه کرد. در طول دوره کارآموزی در انگلستان، او به یک واحد قفل شده برای بیماران خشن و خودآزار اعزام شد. در آنجا چیزهایی را دید که هرگز با آنها برخورد نکرده بود: بیماران دست‌هایشان را بالا و پایین بریده بودند. یکی از آنها کره چشم خود را بیرون کشید. مرد جوانی که با او دوست شد و به نظر می رسید در حال بهبود بود، بعداً در تیمز پیدا شد.
شوک دیگری زمانی وارد شد که او شروع کرد به پرسش‌های پزشکان درباره درمان این بیماران و متوجه شد که آنها چقدر می‌دانند: به یاد می‌آورد که به آنها گفته شده بود: "ما به آنها مقداری دارو می‌دهیم، با آنها صحبت می‌کنیم و امیدواریم که بهتر شوند."
او نتیجه گرفت که یک دلیل این بود که هرگز نمی‌توان تعداد زیادی از افراد مبتلا به افکار خودکشی را به همان روشی که ما می‌توانیم بیماران مبتلا به بیماری قلبی یا سل را مشاهده کنیم، مورد مطالعه قرار داد. او گفت: «روانشناسی به اندازه علوم دیگر پیشرفت نکرده است، زیرا ما تا حد زیادی آن را اشتباه انجام داده ایم. ما بیرون نرفته‌ایم و رفتاری که در طبیعت مهم است پیدا نکرده‌ایم و بیرون رفته‌ایم و آن را مشاهده نکرده‌ایم.»
اما با ظهور اپلیکیشن‌های مبتنی بر تلفن و حسگرهای پوشیدنی، او افزود: «ما داده‌هایی از کانال‌های مختلف داریم، و به طور فزاینده‌ای، توانایی تجزیه و تحلیل این داده‌ها و مشاهده افراد را داریم که در حال زندگی هستند. " یکی از معضلات طراحی مطالعه این بود که وقتی شرکت کنندگان تمایل شدیدی برای صدمه زدن به خود داشتند، چه باید کرد. دکتر ناک تصمیم گرفت که باید مداخله کنند.
او گفت: «این یک نقطه ضعف دارد زیرا شما تلاش‌های کمتری می‌کنید و خودکشی کمتری می‌کنید، زیرا از نظر علمی، ما اکنون در حال کاهش احتمال یافتن سیگنال هستیم.» اما او افزود: «من مدام به این موضوع برمی‌گردم که اگر فرزند من بود چه می‌شد؟»
مداخلات به بخشی از زندگی روزمره در آزمایشگاه تبدیل شده است. اگر در یک پرسشنامه معمولی، آزمودنی تمایل شدیدی به آسیب رساندن به خود را گزارش کند و بین ساعت 9 صبح تا 9 شب باشد، در عرض 15 دقیقه از یکی از محققان تماسی دریافت می‌کند که می‌پرسد آیا این کار را انجام داده‌اند یا خیر. تلاش
نریسه رمل، دستیار پژوهشی در آزمایشگاه، گفت: «ما به نوعی این فرد بی چهره هستیم، بنابراین ناراحتی کمتری وجود دارد. اما دکتر ناک متعجب است - و امیدوار است که آزمایش کند - آیا مداخلات دیجیتال ممکن است موثرتر باشد.
او گفت: «بسیاری از مردم نمی‌خواهند زمانی که در معرض خطر هستند، یک انسان با آنها تماس بگیرد. نه اینکه بگوییم انسان ها را با ماشین ها جایگزین می کنیم، اما احتمالاً آنها می توانند بسیار کارآمدتر از ما باشند.
Healthline