最近，范德比尔特大学医学中心的研究人员开展的一项研究表明，人工智能（AI）可以帮助医生识别有自杀风险的患者，从而在常规医疗环境中改进预防工作。该研究测试了范德比尔特自杀企图和意念可能性模型（VSAIL），该模型由范德比尔特大学医学中心的Colin Walsh团队开发，在三个神经科诊所进行了应用。VSAIL模型分析电子健康记录中的常规信息，以计算患者在未来30天内自杀企图的风险。
神经科诊所在本研究中被选中，是因为某些神经系统疾病和状况与更高的自杀风险相关。据《La Razón》报道，该研究涉及在六个月期间的7,732次患者就诊，总共产生了596次自动筛查警报，用于在常规门诊期间检测自杀风险。
研究人员比较了两种报告自杀风险个体的方法：一种是在医生工作流程中插入自动弹出式警报，另一种是被动系统，仅在患者的电子病历中显示风险信息。据《Telex》报道，当采用中断式警报时，医生在42%的筛查警报情况下进行了自杀风险评估，而被动系统仅导致了4%的评估率。
“大多数死于自杀的人在去世前一年曾看过医疗服务提供者，通常是出于与心理健康无关的原因。”范德比尔特大学医学中心副教授Colin Walsh表示，“自动化系统仅标记了大约8%的患者就诊用于筛查。这种选择性方法使得繁忙的诊所更容易实施自杀预防措施。”他补充说：“普遍筛查在所有地方都不切实际，但VSAIL帮助我们专注于高危患者，并引发有意义的筛查对话。”
“这些结果表明，结合自动风险检测和有针对性的警报可以产生影响。”研究报告的作者指出。通过结合自动风险检测和精心设计的警报，这一创新为识别和支持更多需要自杀预防服务的人带来了希望。
“医疗系统必须平衡中断式警报的有效性及其可能的负面影响。”Walsh总结道，强调需要在有效性和副作用之间找到平衡。据《Medical Dialogues》报道，虽然中断式警报在促进筛查方面更有效，但可能会导致警报疲劳，使医生因频繁的自动化通知而感到不堪重负。研究人员建议未来的研究应关注这一问题，并建议在其他医疗领域测试类似的系统，以增强风险检测和评估过程。
VSAIL模型在识别高风险患者方面证明是有效的；每23个被系统标记的个体中，就有一个人后来报告了自杀意念。据《Medical Dialogues》报道，在早期前瞻性测试中，当患者记录被标记但未触发警报时，该模型已经展示了其在识别高风险患者方面的有效性。
(全文结束)
