Durch die Nutzung der Grundlagen der künstlichen Intelligenz-Technologie nun verwendet, um vorherzusagen, das Risiko für Selbstmord oder anderen psychischen Problemen, entwickelten die Forscher ein KI-system, das analysiert sprachliche Muster Vorhersagen Jugend das Risiko für die Begehung von Gewalt an Schulen.
Studie-Daten, veröffentlicht im International Journal of Medical Informatics von ärzten und klinischen Informatiker an der Cincinnati Kinder-Hospital Medical Center zeigen, erkennt das system die Gefahr der aggression für die einzelnen Fächer.
Das KI-system verwendet Muster-erkennen, machine learning und natural language processing (NLP) Technologien. Es verbindet die analytischen Umfang und Geschwindigkeit der Informations-Technologie mit klinischen Risiko-Bewertung Daten und Praktiker know-how, damit die Automatisierung einer komplexen und zeitaufwendigen Prozess, nach Yizhao Ni, Ph. D., co-principal investigator und einer klinischen um informatik studieren zu können, in der Abteilung der Biomedizinischen informatik.
Die Technologie aufgedeckt mehrere Warnzeichen, die liefern könnten nützlich klinischen Erkenntnisse zu unterstützen, personalisierte Interventionen, Ni erklärt. Wenn voll entwickelt, die in das system integrierten risk-assessment-Skalen und automatisierte Risiko-Vorhersage-algorithmen erzeugen soll, eine genaue und skalierbare EDV-screening-service, um zu verhindern, dass Gewalt an Schulen.
„Die Schüler sind körperlich oder verbal gemobbt auf der Schule Eigenschaft, die elektronisch über SMS oder soziale Medien, Jugend und Gewalt kostet die Gesellschaft Milliarden von Dollar im Gesundheitswesen Kosten oder Produktivitätseinbußen“ Ni sagte, unter Berufung auf Daten der US Centers for Disease Control and Prevention.
„Unsere Studie zeigt, dass insgesamt unser KI-system entspricht dem klinischen Urteil und Genauigkeit der Psychiater 94 Prozent der Zeit. Es hat ein enormes Potenzial, um Jugendliche Gewalt in der Schule und ggf. andere psychische Gesundheit Bedingungen.“
Empowerment eine Lösung
Frühere Forschung zeigt, dass die Verwendung von NLP und machine learning-Technologien Pionierarbeit bei Cincinnati Children ‚ s und anderswo Verbesserung der Prädiktion bei psychischen Problemen wie Selbstmord. Aktuelle Studie, die Autoren beachten Sie, dass es gibt bisher keine automatisierte Lösungen entwickelt, um vorherzusagen, das Risiko für gewalttätiges Verhalten in der Schule.
Die jüngsten Fortschritte in der Schule-basierte Programme zur Kriminalprävention zeigen die besten Ergebnisse auftreten, wenn at-risk-Jugend, die eine rechtzeitige und individualisierte intervention, nach Drew Barzman, MD, co-principal investigator und Leiter der Kinder-und Jugendpsychiatrie Forensische Psychiatrie am Cincinnati Children ‚ s.
Aber die Patientin muss und beschäftigt klinischen Zeitpläne beschränken die Fähigkeit zur Vollendung der komplexen, arbeitsintensiven Aufgaben, die nötig sind für die rechtzeitige klinische Beurteilung der psychischen Gesundheit Patienten. Einer effektiven automatisierten system könnte helfen, diese Herausforderung zu meistern und helfen, die psychische Gesundheit der Pflegepersonen liefern rechtzeitige Interventionen auf der Grundlage einer Jugend, die die individuellen Bedürfnisse, sagte er.
Design-Studie
In der Studie wurde geprüft, indem die Einbettung als klinischer Dienst in der Abteilung für Kinder-und Jugendpsychiatrie in Cincinnati Kinder. Die division der stationären Einheiten erhalten etwa 30.000 psychiatrischen Eintritte jährlich. Seine Ambulanz verfügt über insgesamt 52.000 Patienten besucht jedes Jahr.
Durchgeführt zwischen Mai 2015 und April 2018, die Studie prospektiv rekrutiert 131 Schüler im Alter zwischen 10 und 18 Jahren aus mittleren und höheren Schulen in Ohio, Kentucky, Indiana und Tennessee.
Klinische Beurteilungen von Psychiatern zeigte, dass 68 Schüler (52 Prozent) wurden als hohes Risiko gegenüber anderen. Für die Analyse mit der AI-assessment-tool, die Patienten wurden aufgeteilt in kleinere Gruppen zu vergleichen, das system für die Vorhersage der Zuverlässigkeit, wenn im Vergleich Arzt-generiert Patienten der klinischen Beurteilung. Diese Vergleiche ergaben KI-system insgesamt Risikobewertung Trefferquote von 94 Prozent.