As ciências básicas já nos permitem entender alguns fatores biológicos relacionados ao suicídio, mas agora a ciência da computação quer mostrar um novo ponto de vista sobre o tema: marcadores relacionados aos pensamentos suicidas.
Já vimos pesquisadores utilizarem testes sanguíneos para detectar biomarcadores específicos capazes de indicar se determinado paciente possui risco de tendências suicidas.
Mas agora, um novo estudo aposta no aprendizado de máquina (machine learning, em inglês) para mensurar e fundir duas classes de marcadores de pensamentos suicidas: verbal e não verbal.
Para realizar o teste, pesquisadores utilizaram algoritmos de aprendizagem automática com palavras faladas e escritas para classificar 379 indivíduos recrutados a partir de dois centos médicos acadêmicos e um hospital comunitário e os dividiram em três grupos: suicidas, transtorno mental sem tendência suicida, e controlados.
Cada paciente completou escalas de avaliação comportamental padronizadas e participou de uma entrevista semi estruturada com cinco perguntas abertas para estimular a conversação, como “Você tem esperança?”, “Você sente raiva”, entre outras.
Ao combinar características verbais e não verbais obtidas na pesquisa, os participantes puderam ser classificados em um dos três grupos com até 85% de precisão.
Estes resultados fornecem uma visão de como a tecnologia pode ser usada para avaliação e prevenção de suicídios.
“Essas abordagens computacionais fornecem novas oportunidades para aplicação de inovações tecnológicas nos cuidados e prevenção ao suicídio, e certamente é necessário”, diz John Pestian, PhD e professor nas divisões de Informática Biomédica e Psiquiatria Infantil da University of Cincinnati Medical Center e principal autor do estudo.
Os resultados do estudo foram publicados na Suicide and Life-Threatening Behavior, a revista oficial da American Association of Suicidology.
// Canaltech
