Buscan predecir intento de suicidio con un modelo informático

Foto: Actualidad RT

Las características más comunes en las predicciones, incluyeron intoxicaciones por drogas, drogodependencias, intoxicación aguda por alcohol, y varias afecciones de salud mental.

Ciencia y Tecnología (Actualidad RT).- Un modelo informático predictivo podría identificar a pacientes en riesgo de intentar suicidarse a partir de patrones en sus registros de salud electrónicos, con un promedio de dos años de anticipación, revela un reciente estudio dirigido por el Boston Children’s Hospital y el Massachusetts General Hospital (EE.UU.), y publicado en JAMA Network Open.

El equipo analizó datos de registros de salud electrónicos de más de 3,7 millones de pacientes de entre 10 y 90 años en cinco centros de atención médica diferentes de EE.UU.

Los autores desarrollaron el modelo en dos pasos, utilizando un enfoque de aprendizaje automático. Primero, mostraron la mitad de los datos de sus pacientes a un modelo de computadora, y lo dirigieron a buscar patrones asociados con intentos de suicidio documentados. Luego, validaron las lecciones aprendidas de ese ejercicio de ‘entrenamiento’ usando la otra mitad de sus datos, pidiéndole al modelo que prediga, basándose solo en esos patrones, qué pacientes intentarían suicidarse.

De un total de 39.162 intentos de suicidio que mostraron los registros, los modelos desarrollados pudieron detectar un 38% (este porcentaje varió del 33% al 39% en los cinco centros), con un promedio de 2,1 años antes del intento de suicidio real.

Las características más comunes en las predicciones, como era de esperar, incluyeron intoxicaciones por drogas, drogodependencias, intoxicación aguda por alcohol, así como varias afecciones de salud mental. Al mismo tiempo, el estudio reveló otros factores menos evidentes, como la rabdomiólisis, la celulitis, el absceso de la mano o los medicamentos contra el VIH.

Identificar a pacientes “de alto riesgo”

Según explica Ben Reis, uno de los autores del estudio, del Boston Children’s Hospital, “no había un solo predictor”, sino más bien “un balance de evidencia, una señal general que se acumula con el tiempo”.

Ben admite que las computadoras “no pueden reemplazar a los equipos de atención para identificar problemas de salud mental”. Sin embargo, cree que las máquinas, “si están bien diseñadas”, podrían detectar a los pacientes de alto riesgo que actualmente pueden estar pasando desapercibidos para el sistema de salud. “Visualizamos un sistema que podría decirle al médico: ‘De todos sus pacientes, estos tres entran en una categoría de alto riesgo. Tómese unos minutos adicionales para hablar con ellos’”, detalla el investigador.

El equipo ahora se centrará en mejorar su enfoque de modelado, por ejemplo, incorporando las notas clínicas del médico en sus datos.