El suicidio es un problema que se está volviendo cada vez más notorio en el mundo. En países como Estados Unidos, se han podido ver en las últimas décadas como las tasas de suicidio y homicidio aumentan exponencialmente.

Asimismo, la situación que hoy vivimos con el coronavirus y la cuarentena rápidamente se ha convertido en otro factor de riesgo. En tiempos como estos, el aislamiento prolongado puede convertirse en el disparador de conductas suicidas.

Debido a este latente riesgo que se encuentra en nuestras sociedades, investigaciones como la publicada JAMA Network Open cobran vida. En esta, una colaboración entre el Boston Children’s Hospital y el Massachusetts General Hospital en Estados Unidos, busca nuevas alternativas con las que manejar este problema.

Para esto, su más reciente propuesta implica utilizar el machine learning y los algoritmos de predicción para estar un paso al frente de las conductas suicidas ¿Cómo? Más adelante te lo contamos.

El machine learning y los sistemas de salud

En este caso, los investigadores optaron por utilizar específicamente el machine learning para desarrollar un modelo que funcionara en dos pasos. El primero de estos implicaba ser alimentado con los registros pertenecientes a los pacientes.

La investigación contó con la colaboración de 5 centros de asistencia médica. Estos fueron el Partners HealthCare, el Boston Medical Center, el Boston Children’s Hospital (todos de Boston), el Wake Forest Medical Center (Carolina del Norte) y el Centro de Ciencias de la Salud de la Universidad de Texas (Houston).

Para cada uno de estos centros el primer paso del modelo se alimentó con datos específicos según la cantidad de información que cada uno de ellos tuviera de sus pacientes. Luego de esto, la segunda etapa del programa consistía en el trabajo predictivo.

Con la intención de comprobar su efectividad, se le pidió a este que, con los datos que ya tenía, predijera los posibles riesgos de suicidio en los pacientes. Finalmente, esto se comparó con los datos oficiales y que no le habían sido suministrados al programa.

Gracias a estos distintos registros de salud electrónicos, el programa pudo tener mayores o menores porcentajes de éxito, demostrando que la exactitud de la información médica recabada puede tener una influencia en las predicciones finales de la inteligencia artificial.

Más que un simple registro

Para poder llevar a cabo este investigación, el equipo contó con los registros de más de 3.7 millones de pacientes entre los 5 centros de salud que participaron en el estudio. La información obtenida sobre estos individuos cubría entre 6 a 17 años de la vida de estos.

Los individuos observados tenían edades comprendidas entre los 5 y los 90 años. Entre algunos de los datos que se poseían sobre estos y que se tomaron en cuenta en las investigaciones están los códigos de diagnóstico, los resultados de las pruebas de laboratorio, los códigos de procedimientos médicos y también los medicamentos que usan o han usado.

Todo esto contribuyó a la oportunidad de tener una mirada más detallada a las posibles acciones de los pacientes en el futuro. Esto incluyendo, claro, el si podrían o no ser parte de un grupo de alto riesgo de conductas suicidas.

Como una mirada al futuro

En efecto, el algoritmo basado en machine learning logró predecir aproximadamente el 38% de los 39,162 intentos de suicidio que hubo. Asimismo, fue al menos un 90% certero en la mayoría de las predicciones.

Su rango usual permitió conocer el riesgo que los pacientes corrían un poco más de 2 años antes de que se presentara alguna conducta suicida. Gracias a esto, ha sido posible ver el gran potencial que tiene la predicción a través de bases de datos inteligentes para ayudar en la prevención del suicidio.

Esto sobre todo porque el sistema permite identificar individuos en riesgo que no necesariamente estarían en el radar por medios tradicionales. Por lo que, se aumenta la cantidad de personas a las que se podría prestar una ayuda temprana y oportuna.

Las máquinas no pueden reemplazar el ojo humano, pero…

Un detalle que han querido dejar claro dentro del estudio es que las máquinas y sus algoritmos no están siendo pensadas para reemplazar la actividad humana. De hecho, han sido pensadas como un útil complemento.

Gracias a su participación, los doctores podrían tener una mejor idea de cuáles de sus pacientes se encuentran en un riesgo particular. Con estos datos, podrían tomarse un tiempo extra para hablar con ellos y ofrecerles apoyo. En pocas palabras, tendrían la oportunidad de intervenir de forma temprana y ayudar antes de que la situación escale.

Además de esta iniciativa, el mundo ya ha visto otras áreas en las que la tecnología pueda participar en la lucha para prevenir el suicidio. Para este caso, la IA busca a los pacientes más en riesgo, como contraparte, ya existe una iniciativa que trata de identificar a los individuos más aptos para brindar apoyo psicológico a jóvenes en situaciones con tendencias suicidas.

Una mejora significativa

La adición de este algoritmo a los sistemas de salud tradicionales podría ser un paso gigante en la dirección correcta. Gracias a sus descubrimientos, ya se han hecho adelantos en el entendimiento de los pensamientos suicidas.

Por ejemplo, ahora se sabe que estos no necesariamente vienen solo influenciados por trastornos mentales, sino que existen otros factores que antes ni habríamos podido relacionar con este problema. Sabemos que la dependencia al alcohol o las drogas pueden ser un detonante, pero no que también lo pueden ser algunas condiciones como la celulitis, los abscesos de las manos o la rabdomiólisis –enfermedad que causa la ruptura de los tejidos musculares y que libera una proteína dañina en la sangre.

Asimismo, otros factores como el uso de medicamentos para el VIH, el uso de dispositivos de asistencia ventricular, la contaminación en el aire y haber tenido autolesiones previamente también son factores que deberán ser tomados en cuenta para poder prever un posible riesgo de suicidio.

Los científicos han determinado que más que un solo detonante, es necesario comprender los eventos como un todo, como una sumatoria. Haber descubierto esto no solo permitirá comenzar a utilizar esta nueva metodología, sino que mejorará el enfoque clínico a la hora de desarrollar herramientas de apoyo para las poblaciones de riesgo y también informaciones que ayuden a tener mejores métodos de intervención y mitigación de riesgos.

Referencia:

Validation of an Electronic Health Record–Based Suicide Risk Prediction Modeling Approach Across Multiple Health Care Systems: doi:10.1001/jamanetworkopen.2020.1262