Kunstig intelligens kan spotte unges selvmordstendenser

Antallet af selvmordsforsøg stiger i alarmerende grad: I 59 lav- og mellemindkomstlande har hver sjette unge forsøgt at tage sit eget liv, viser undersøgelser. Den bekymrende udvikling kalder på en styrket forebyggende indsats, som også står i centrum for et nyt internationalt forskningsprojekt.

Forskere fra Norge og Danmark har benyttet kunstig intelligens gennem maskinlæring til at kortlægge, hvilke faktorer der særligt relaterer sig til unges selvmordsforsøg. Data fra 173.664 norske teenagere indgår i undersøgelsen, der er offentliggjort i Journal of Youth and Adolescence.

”Det er afgørende at identificere de livsforhold, der øger selvmordsrisikoen blandt de unge. Desværre er de nuværende metoder til at estimere risikofaktorer tæt på ubrugelige – dermed kan myndighederne ikke identificere de mennesker, som er i farezonen,” påpeger Milan Obaidi, lektor ved Institut for Psykologi på Københavns Universitet, som er blandt projektets forskere.

Selvskade er centralt faresignal

Tilbage står forskerne med et klart billede af de største risikofaktorer:

”Nylig selvskade er den vigtigste indikation på risiko for selvmordsforsøg. Derudover har vi fundet fem andre risikofaktorer: Såkaldte internaliserende problemer som angst og depression, søvnproblemer, spiseforstyrrelser, pessimisme om fremtidsudsigterne og offergørelse,” fortæller Milan Obaidi.

Man har tidligere prøvet at benytte maskinlæring til at lokalisere selvmordsrisiko, men de tidligere forsøg har haft væsentlige mangler.

”Man har blandt andet overset beskyttende faktorers og risikofaktorers samspil. Og så har man forsømt at inddrage etablerede teorier om selvmordsadfærd for i stedet at lave en rent algoritmisk risikoestimering,” forklarer Milan Obaidi.

Kræver et helhedsorienteret blik

Forskernes maskinlæringsmodel er den til dato mest præcise af sin art. Med andre ord kan modellen bedre end nogen anden identificere, hvilke unge der er i risikogruppen.

”Vores model viser, at unges risiko for selvmordsforsøg ikke blot er en sum af forskellige samfundsmæssige, økonomiske og psykologiske belastninger. I stedet kan vi se, at intra- og interpersonelle processer har afgørende betydning for selvmordsrisiko,” siger Milan Obaidi og uddyber:

”Det handler blandt andet om manglende optimisme med hensyn til uddannelse og karriere, konflikter med nære relationer og offergørende oplevelser.”

At stoppe den foruroligende stigning i selvmordsforsøg blandt unge kræver et mere helhedsorienteret blik på problemet, understreger Milan Obaidi.

”Man er nødt til at undersøge både risici og beskyttende faktorer på tværs af mange individuelle, psykologiske sociologiske og miljømæssige områder,” konstaterer han.

Fakta om undersøgelsen

I projektet “Unveiling Adolescent Suicidality: Holistic Analysis of Protective and Risk Factors Using Multiple Machine Learning Algorithms” har psykologer identificeret både risiko- og beskyttelsesfaktorer i relation til selvmordsforsøg blandt unge.

Forskerne har benyttet et befolkningsrepræsentativt datasæt bestående af 173.664 norske unge i alderen 13 til 18 år. Blandt de unge har 4,65 % forsøgt at begå selvmord inden for de seneste 12 måneder.

Med afsæt i de omfattende data er fem maskinlæringsalgoritmer blevet trænet i at vurdere risikoen for selvmordsforsøg. Alle algoritmerne fandt, at nylig selvskade er den vigtigste indikator for selvmordsforsøg hos unge.

Derudover fremhæver forsøget fem andre centrale risikofaktorer: internaliserende problemer, søvnforstyrrelser, spiseforstyrrelser, manglende optimisme med hensyn til fremtidig uddannelse og karriere samt offergørelse.

Læs hele studiet her.