А ось новий алгоритм такого б не допустив.
Вчені з Університету Цинциннаті (University of Cincinnati), Університету Колорадо в Денвері (University of Colorado Denver), Університету Південної Каліфорнії (University of Southern California) і Прінстонського університету (Princeton University) розробили алгоритм, може, який, може, може, або, Результати дослідження опубліковані в журналі Suicide and Life-Threatening Behavior.
Алгоритм машинного навчання зміг відрізнити пацієнтів із суїцидальними нахилами від психічно хворих і здорових людей з точністю до 93%. "Ці результати переконливо доводять, що передові технології можуть служити інструментом підтримки прийняття рішень, який допоможе клініцистам і соціальним працівникам розпізнати і запобігти суїцидальній поведінці", - говорить один з авторів дослідження, професор Джон Пестіан (John Pestian). "Ви бачите величезну підтримку з боку технологій в медустановах, але ті, хто працює з психічно хворими людьми, не отримують її в таких обсягах. Тільки тепер наші алгоритми можуть допомогти цим фахівцям ", - додає він.
Вчені вже давно вчать комп'ютери діагностувати схильність до самогубства. Одинадцять років тому дослідники створили ПЗ, яке розпізнавало емоції в передсмертних записках, вісім років тому машини відрізняли справжні записки від симуляцій. У 2015 вчені аналізували людей вже не посмертно, а під час прийому у лікаря, але на прикладі невеликої вибірки - 60 осіб - і в одному медичному центрі. Нова стаття присвячена першому розподіленому мультицентровому дослідженню.
У ньому взяли участь 379 осіб з Медичного центру Дитячої лікарні Цинциннаті, Медичного центру Університету Цинциннаті та Принстонської громадської лікарні. Учасники належали до однієї з трьох груп: схильні до суїциду, психічно хворі, але не схильні до суїциду і здорові люди (контрольна група). Схильними до суїциду вважалися ті, хто протягом 24 годин потрапив або звертався до швидкої допомоги або психіатричної лікарні у зв'язку зі спробою або наміром вчинити самогубство, психічно хворими - люди, які отримали відповідний діагноз.
Пацієнти пройшли стандартизовані тести на депресію, тяжкість суїцидальних проявів і вираженість манії. Потім - інтерв'ю, в ході якого лікар ставив питання «Чи є у вас надія?», «Чи є у вас секрети?», «Чи є у вас страхи?» та ін. Бесіди вчені записали на відео. Вони розшифрували інтерв'ю, створили «словник» ключових слів і звукових характеристик і на частині цих даних натренували алгоритм комп'ютерного навчання - так звану «машину опорних векторів», мета якої - знайти гіпотезу з найменшою дійсною помилкою.
Потім комп'ютеру «згодували» записи і транскрипти інтерв'ю. Виявилося, що машина розрізняє пацієнтів з трьох груп з точністю не менше 70%. Алгоритм міг аналізувати як одну лінгвістичну або акустичну складову мови, так і обидві в сукупності. При порівнянні людей, схильних до самогубства, з контрольною групою, алгоритм досягав точності в 93 (тільки текст), 79 (тільки аудіо) і 92 (текст + аудіо) відсотка. Суїцидальних від психічно хворих він відрізняв у 79 (текст), 76 (аудіо) і 81 (текст + аудіо) відсотках випадків. Цікаво, що використання акустичної інформації в одних ситуаціях підвищувало, а в інших знижувало точність.
Вчені вважають, що новий алгоритм може стати інструментом діагностики суїцидальних нахилів. Його зручно використовувати в школах, громадських центрах та інших установах.
Метод опорних векторів (SVM, support vector machine) - набір схожих алгоритмів навчання з учителем, що використовуються для завдань класифікації та регресійного аналізу.