用机器算法预测自杀倾向
大约有30%到三分之二的自杀企图都是一瞬间的冲动,这是极难预测的。这个数据来自于统计那些尝试了几乎致命的自杀企图的人,70%这样的人都是在不到一个小时内做出了决定。尽管这种自我了断的解决方式经常是一时兴起或者突发奇想,但是研究也发现自杀行为中也存在一些可预测的模式。如果有正确的观察方式,我们可以及时发现并提供必要的援助和开导,避免死亡的结局。研究机器学习的科学家们表示,工作起来不知疲惫的机器人则可能担当自杀人群探测器的角色。
研究团队由辛辛那提儿童医学中心生物医学信息与精神科的John Pestian教授带领,他们请来了379名被诊断为具有自杀倾向,精神不正常但没有自杀倾向,或者既没有自杀倾向也没有精神不正常的参与者,最后一群人是作为对照组参与实验的。
每位参与者都通过标准化行为量表进行评估,并且要回答五个问题来制造对话。问题诸如“你觉得有希望吗?”或者“这会伤到你的感情吗?”对照组在访问中倾向于笑得更多,叹气更少,表达出的愤怒与情绪上的痛苦更少。
每位参与者回答中的语言线索和非语言线索都被提取出来,然后提供给通过训练能够筛选跟自杀相关的生物标记的机器学习算法。结合语言学与声学特性,机器可以非常准确的预测这个人属于哪个类型。预测有自杀倾向的准确率为93%,预测精神不正常但没有自杀倾向的准确率为85%。
“这些计算方法提供了一种全新的机遇,将科技创新应用到预防自杀和关怀有自杀倾向者,我们非常需要它,”Dr. Pestian说。“当你观察周围的医疗机构,它们都获得大量的技术支持,但是精神疾病却缺乏支持。现在我们的算法能够帮助这些医疗护理人员了。这一方法可以轻易延伸到学校、收容所、青年俱乐部、青少年司法中心和社区中心之中,更早地预测,就能减少自杀企图和死亡事件。”
原文发布时间为:2016-11-13
本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号
相关文章
- 关键字“get”在国外企业域名中的妙用,你get√到了吗?
- 解决Androidstudio升级导致的:No such property: FOR_RUNTIME for class: org.gradle.api.attributes.Usage
- 礼遇开学季,TOP域名伴成长
- 一名大三学生关于阿里云使用后的体验
- 菜鸟使用ECS服务器的体验与收获
- 实例 : 如何在命令行中检查操作系统(OS)类型以及版本号
- 飞天加速计划·高校学生在家实践–内网映射
- 基于阿里云服务器的我在校园班委自动管理系统
- 实例 : Linux系统 centos8 文件打包、解包、压缩、解压缩
- 社交媒体营销有什么作用?
- 阿里云云效云原生DevOps解决方案:函数计算、K8S、微服务场景方案详解
- Spring认证-Spring Framework 6 的 Java 17 和 Jakarta EE 9 基线
- 使用ECS的感想体会
- WAF的简单介绍及实现
- 阿里云云服务器初体验
- IDEA 激活码,最新激活码,亲测有效(2021.8.29)
- 阿里云高校计划
- MybatisPlus笔记
- 群晖 MariaDB10 开启远程登录
- 阿里云云服务器ECS和阿里云轻量云服务器有哪些区别?