Tendencias21

Un algoritmo predice el riesgo de suicidio

Un algoritmo de aprendizaje automático que predice el riesgo de intento de suicidio logró identificar más de un tercio de todos los intentos de suicidio documentados en un estudio, y aproximadamente la mitad de los casos de ideas o pensamientos suicidas.

Investigadores del Centro Médico de la Universidad de Vanderbilt, en Estados Unidos, han desarrollado un algoritmo de aprendizaje automático que logra predecir los intentos de suicidio con gran eficacia. En las pruebas realizadas, fue capaz de detectar más de un tercio de los intentos de suicidio y cerca del 50% de los pensamientos suicidas. El sistema de Inteligencia Artificial está terminando de evaluarse con miras a su posible implementación clínica.

De acuerdo a un comunicado, el sistema se probó casi por un año mientras los profesionales atendían a distintos pacientes adultos en el centro médico universitario. El algoritmo calcula las probabilidades de un intento de suicidio y reconoce ideas suicidas, a partir de la información de rutina que los médicos obtienen y vuelcan a un sistema informático en cada consulta.

El nuevo modelo, denominado Vanderbilt Suicide Attempt and Ideation Likelihood (VSAIL), calcula el riesgo de intento de suicidio en un plazo de 30 días con posterioridad a la visita del paciente. Podría convertirse en una herramienta clave para disminuir la cantidad de muertes por suicidio, y al mismo tiempo para afianzar los tratamientos en las personas que aparecen con los niveles de riesgo más elevados.

Un problema en crecimiento

Lejos de ser un fenómeno aislado, el suicidio es una problemática mundial en alza, en línea directa con el incremento de patologías psicosociales como la depresión o la ansiedad. En Estados Unidos, por ejemplo, ya se ubica como la décima causa principal de muerte.

A nivel global, cada año 800.000 personas se quitan la vida y en España la tasa de suicidios se posiciona en el 7,54 por cada 100.000 habitantes, con un promedio de 10 suicidios por día. Junto a las patologías antes mencionadas, cuestiones como el nivel de estrés o incluso aspectos cerebrales podrían influir en la tendencia al suicidio.

Diferenciación de grupos de riesgo

Durante las pruebas del nuevo sistema, el algoritmo pudo diferenciar ocho grupos entre las personas que visitaron a los médicos, clasificándolas según el riesgo de suicidio. En ese contexto, se identificó particularmente un grupo de mayor riesgo: una de cada 23 personas de este grupo de alto riesgo informó sobre pensamientos suicidas y una de cada 271 intentó suicidarse.

Al mismo tiempo, de los 78.000 pacientes adultos que fueron atendidos en el hospital a lo largo del estudio, 395 personas registraron pensamientos suicidas y 85 vivieron al menos un intento de suicidio. Además, 23 pacientes sobrevivieron a intentos repetidos. En las conclusiones de su investigación, publicada en la revista JAMA Network Open, los científicos destacaron el rol preventivo que podría tener el nuevo sistema de Inteligencia Artificial.

Prevención y eficiencia

Al clasificar a los pacientes en diferentes estratos según el riesgo de suicidio, los profesionales intervinientes tienen la posibilidad de intensificar los tratamientos y hacer un seguimiento más exhaustivo de aquellos casos en los que se registran pensamientos suicidas y el riesgo es mayor.

Para los especialistas, el nuevo algoritmo es una muestra de la forma en la cual la Inteligencia Artificial puede colaborar con los profesionales de la salud, al aportarles datos que de otra forma solamente podrían obtener en plazos de tiempo mucho más extensos.

Esta información es vital para concretar diagnósticos certeros y en el momento indicado, pensando en la salud de los afectados y, literalmente, salvando vidas que de otra forma estarían claramente en riesgo. Además, el algoritmo permite un mejor aprovechamiento de recursos tan valiosos como el tiempo y el conocimiento de los médicos, encauzándolos adecuadamente para incrementar la eficiencia en las tareas de prevención, tratamiento y seguimiento de los casos.

Referencia

Prospective Validation of an Electronic Health Record–Based, Real-Time Suicide Risk Model. Colin G. Walsh, Kevin B. Johnson, Michael Ripperger et al. JAMA Network Open (2021).DOI:https://doi.org/10.1001/jamanetworkopen.2021.1428

Foto: Ian en Unsplash.

Pablo Javier Piacente

Pablo Javier Piacente

Pablo Javier Piacente es periodista especializado en comunicación científica y tecnológica.

Hacer un comentario