Vještačka inteligencija i prevencija samoubistava: Sistematski pregled istraživanja mašinskog učenja.
International journal of environmental research and public health
Sažetak istraživanja
Samoubistvo je vodeći uzrok smrti koji prkosi predviđanjima i izaziva napore u prevenciji širom svijeta. Umjetna inteligencija (AI) i mašinsko učenje (ML) pojavili su se kao sredstva za istraživanje velikih skupova podataka kako bi se poboljšalo otkrivanje rizika. Sistematski pregled ML istraga koje procjenjuju samoubilačka ponašanja sproveden je pomoću PubMed/MEDLINE, PsychInfo, Web-of-Science i EMBASE, koristeći nizove za pretraživanje i MeSH termine relevantne za samoubistvo i AI. Baze podataka su dopunjene tehnikama ručnog pretraživanja i Google Scholar-om. Kriterijumi za uključivanje: (1) članak iz časopisa, dostupan na engleskom jeziku, (2) originalno istraživanje, (3) zapošljavanje AI/ML, (4) procjena ishoda rizika od samoubistva. N = 594 zapisa su identifikovana na osnovu apstraktne pretrage i 25 izveštaja ručno pretraživanih. N = 461 izvještaj je ostao nakon uklanjanja duplikata, n = 316 je isključeno nakon pregleda sažetaka. Od n = 149 članaka u punom tekstu procijenjenih za podobnost, n = 87 je uključeno za kvantitativnu sintezu, grupisanih prema ishodu samoubilačkog ponašanja. Izvještaji su se veoma razlikovali po metodologiji i rezultatima.
Rezultati ukazuju na visok nivo tačnosti klasifikacije rizika (>90%) i područja ispod krive (AUC) u predviđanju suicidalnog ponašanja. Izvještavamo o ključnim nalazima i centralnim ograničenjima u korišćenju AI/ML okvira za usmjeravanje dodatnih istraživanja, koja imaju potencijal da utječu na samoubistvo na širem planu.
Prikaži originalni naslov i sažetak na engleskom
Artificial Intelligence and Suicide Prevention: A Systematic Review of Machine Learning Investigations.
Suicide is a leading cause of death that defies prediction and challenges prevention efforts worldwide. Artificial intelligence (AI) and machine learning (ML) have emerged as a means of investigating large datasets to enhance risk detection. A systematic review of ML investigations evaluating suicidal behaviors was conducted using PubMed/MEDLINE, PsychInfo, Web-of-Science, and EMBASE, employing search strings and MeSH terms relevant to suicide and AI. Databases were supplemented by hand-search techniques and Google Scholar. Inclusion criteria: (1) journal article, available in English, (2) original investigation, (3) employment of AI/ML, (4) evaluation of a suicide risk outcome. N = 594 records were identified based on abstract search, and 25 hand-searched reports. N = 461 reports remained after duplicates were removed, n = 316 were excluded after abstract screening. Of n = 149 full-text articles assessed for eligibility, n = 87 were included for quantitative synthesis, grouped according to suicide behavior outcome. Reports varied widely in methodology and outcomes.
Results suggest high levels of risk classification accuracy (>90%) and Area Under the Curve (AUC) in the prediction of suicidal behaviors. We report key findings and central limitations in the use of AI/ML frameworks to guide additional research, which hold the potential to impact suicide on broad scale.
Izvorni podaci
- DOI
- 10.3390/ijerph17165929
- PMID
- 32824149
- PMCID
- PMC7460360
- Provjereno
- 2026-07-26
Naslov i sažetak prevedeni su automatski i prijevod može sadržavati netačnosti ili neprecizne stručne izraze. Za sve detalje, citiranje i medicinsko tumačenje pregledajte originalnu englesku verziju članka. Ne donosite zdravstvene odluke samo na osnovu ovog prijevoda.
Pregledaj originalni članak na engleskom