研究数据显示,该系统可以检测出个体的攻击风险。
AI系统使用模式识别机器学习和自然语言处理(NLP)技术。它将信息技术的分析范围和速度与临床风险评估数据和从业者的专业知识结合在一起,从而自动化了一个复杂和耗时的过程,据Yizhao Ni,Phd,Co-Princial Chinsionator和生物医学划分的临床信息学信息学。
倪解释说,这项技术揭示了多种预警信号,可以提供有用的临床见解,以协助个性化干预。该系统的内置风险评估量表和自动风险预测算法完全开发完成后,将提供准确和可扩展的电脑筛查服务,以防止校园暴力。
“学生在学校财产上,通过发短信或社交媒体,以及青少年暴力成本数十亿美元的医疗费用或损失生产力,”NI表示,涉及来自美国疾病控制和预防的数据。“我们的研究表明,总体而言,我们的AI系统与精神病学家的临床判断和准确性相匹配了94%的时间。它有巨大的潜力,可以帮助讲述学校的青年暴力,最终是其他心理健康状况。“
赋予解决方案
早期的研究表明,使用NLP和机器学习技术,在辛辛那提儿童医院和其他地方率先使用,可以提高风险预测精神健康自杀这样的问题。目前的研究作者注意到,到目前为止,没有开发的自动化解决方案来预测学校的暴力行为风险。
根据辛辛那提儿童基金会儿童和青少年司法精神病学服务的联合首席调查员和主任Drew Barzman医学博士的说法,最近在学校犯罪预防项目上取得的进展表明,当有风险的青少年得到及时和个性化的干预时,会取得最好的效果。
但高患者需求和繁忙的临床时间表可以限制完成特性临床评估患者所需的复杂,劳动密集型任务的能力。他说,有效的自动化系统可以帮助克服这一挑战,并帮助心理健康护理人员根据青年的个人需求提供及时干预措施。
学习规划
这项研究是通过将其作为临床服务纳入辛辛那提儿童和青少年精神病学部门进行测试的。该部门的住院单位每年接收约3万名精神病患者。它的门诊每年有超过52,000名病人来访。
2015年5月至2018年4月,研究前瞻性地招募了来自俄亥俄州,肯塔基州,印第安纳州和田纳西州的中高中的10至18岁至18岁之间的131名学生。
精神科医生的临床评估表明,68名学生(52%)对他人的风险很高。对于使用AI评估工具进行分析,将患者分段为较小的组,以比较在比较医生产生的患者临床评估时系统的预测性可靠性。这些比较产生了AI系统的整体风险评估比赛率为94%。
该工具的未来发展计划包括与其他医疗机构和学校系统寻求研究合作,根据研究人员根据教育和医疗设置测试实时实施。研究人员表示,基于资金能力,这将是他们工作的下一阶段。
来源:辛辛那提儿童医院医疗中心