根据一项由马萨诸塞州总医院（Massachusetts General Hospital）的克里斯·J·肯尼迪（Chris J. Kennedy）领导，并由夏威夷大学马诺阿分校（University of Hawai'i at Mānoa）心理学系教师共同撰写的新研究，通过应用人工智能（AI）分析退伍前的数据，可以中等到较好地预测美国陆军退伍军人的自杀风险。
这项发表在《JAMA精神病学》上的研究应用了机器学习——一种使计算机能够从数据中“学习”的人工智能子集。研究的合著者、助理教授圣地亚哥·帕平尼（Santiago Papini）表示：“这项研究有可能重塑军队如何为过渡到平民生活的军人提供心理健康支持。通过早期识别高危个体，我们可以提供更有针对性和及时的干预措施，从而可能挽救生命。”
在测试中，该模型识别出了一个高风险群体，占士兵总数的10%，但这个群体却占了实际自杀事件的30.7%到46.6%。模型预测中最关键的因素包括社会人口统计数据（男性或非西班牙裔白人——较高风险；年龄较大——较低风险）、陆军职业特征（参与战斗相关任务或服役年限少于20年——较高风险；光荣退役——较低风险）以及心理健康因素（与酒精相关的门诊就诊、精神障碍住院治疗和服役期间的自杀意念——均与较高风险相关）。
然而，研究人员强调，这些因素中的任何一个单独并不能有意义地预测自杀行为，这就是为什么他们使用AI来分析复杂因素组合的原因。某因素与较高自杀风险相关并不意味着它直接导致自杀行为。
研究人员分析了超过800,000名美国陆军士兵的记录，这些士兵在2010年至2019年间离开了现役。该研究从2023年3月至2024年3月进行，开发了一个用于预测退伍后十年内自杀事件的机器学习模型。截至2019年12月31日，该队列中有2,084起自杀事件。模型的预测准确性随时间变化而有所不同，它在退伍后的第一个月表现最佳，随着时间推移，虽然有所下降，但在120个月（10年）期间仍具有显著准确性。
根据美国退伍军人事务部2023年发布的《全国退伍军人自杀预防年度报告》，2021年，退伍军人的自杀率比非退伍成年人高出71.8%，经过年龄和性别差异调整后。2023年，夏威夷大学希洛分校（UH Hilo）的另一项研究对1900年至2020年美国陆军和普通民众的自杀率进行了历史比较，发现社会因素正在推动军队和平民的自杀行为。
(全文结束)
