Este contenido fue hecho con la asistencia de una inteligencia artificial y contó con la revisión del editor/periodista.
MADRID, 12 Sep. (EUROPA PRESS) –
La exactitud de los algoritmos de aprendizaje automático para anticipar conductas suicidas resulta insuficiente para resultar útil en la identificación o priorización de individuos de alto riesgo a fin de ofrecerles intervenciones, según un reciente estudio de la Universidad de Melbourne, Australia.
El trabajo se publica en *PLOS Medicine*. En los últimos cincuenta años se han creado numerosas escalas de valoración de riesgo con el objetivo de detectar a pacientes con alta probabilidad de suicidio o autolesión. En términos generales, estas herramientas han mostrado una escasa precisión predictiva, pero la disponibilidad de técnicas modernas de aprendizaje automático, combinadas con datos de historiales clínicos electrónicos, ha reorientado el foco hacia la creación de nuevos modelos para predecir el suicidio y la autolesión.
En el presente estudio, los investigadores llevaron a cabo una revisión sistemática y un metaanálisis de 53 trabajos previos que aplicaron algoritmos de aprendizaje automático para predecir el suicidio, la autolesión y un resultado combinado de ambos. En conjunto, los estudios examinaron más de 35 millones de historiales médicos y casi 250 000 episodios de suicidio o autolesión atendidos en hospitales.
El equipo halló que los algoritmos presentaban una sensibilidad moderada y una alta especificidad, es decir, un elevado porcentaje de personas clasificadas como de bajo riesgo que no se autolesionaron ni se suicidaron. Si bien los modelos resultan eficaces para identificar a quienes no volverán a presentarse por autolesiones ni fallecerán por suicidio, habitualmente fallan al intentar detectar a quienes sí lo harán.
Concretamente, los investigadores descubrieron que estos algoritmos etiquetaron erróneamente como de bajo riesgo a más de la mitad de los individuos que posteriormente acudieron al sistema sanitario por autolesión o fallecieron por suicidio. Entre los sujetos catalogados como de alto riesgo, solo el 6 % murió por suicidio y menos del 20 % volvió a los servicios de salud por autolesión.
“Observamos que las propiedades predictivas de estos algoritmos de aprendizaje automático son deficientes y no superan a las de las escalas tradicionales de valoración de riesgo”, afirman los autores. “La calidad general de la investigación en este ámbito es pobre, y la mayoría de los estudios presentan un alto o incierto riesgo de sesgo. No existe evidencia suficiente que justifique modificar las recomendaciones de las guías clínicas vigentes”.
Los autores añaden: “Existe un interés creciente en la capacidad de la inteligencia artificial y el aprendizaje automático para identificar con precisión a los pacientes con alto riesgo de suicidio y autolesión. Nuestra investigación demuestra que los algoritmos desarrollados pronostican de manera deficiente quiénes se suicidarán o volverán a acudir al sistema sanitario por autolesión, y generan tasas considerables de falsos positivos”.
Asimismo, señalan: “Muchas guías clínicas a nivel mundial desaconsejan firmemente el uso de la evaluación del riesgo de suicidio y autolesión como criterio para asignar intervenciones posteriores. Nuestro estudio muestra que los algoritmos de aprendizaje automático no son superiores a las herramientas tradicionales de valoración de riesgo en la predicción de conductas suicidas futuras. No hemos observado evidencia que justifique la actualización de dichas guías”.
Agregar Comentario