Искусственный интеллект (ИИ) в Китае научили выявлять тех людей, кто склонен к самоповреждению, до того, как появятся явные тревожные признаки

Китайскими учёными из Университета Гонконга опубликована научная статья:

«Прогнозирование самоповреждающего поведения у людей с недавно диагностированной депрессией: разработка и проверка моделей прогнозирования риска».

Heidi Ka Ying Lo et al, Prediction of self-harm in people with newly-diagnosed depression: development and validation of risk prediction models, Molecular Psychiatry (2026). DOI: 10. 1038/ s41380-026-03555-x.

Читайте публикацию англоязычного издания Medical Xpress :

Новый алгоритм может выявить тех, кто склонен к самоповреждению, до того, как появятся явные тревожные признаки

Депрессия, одно из самых распространенных психических расстройств, характеризуется стойким подавленным настроением и потерей интереса к повседневным занятиям, а также возможными нарушениями сна и/или аппетита. Некоторые люди с этим расстройством могут причинять себе вред, а в самых тяжелых случаях — пытаться покончить с собой.

Выявление пациентов с повышенным риском причинения себе вреда имеет большое значение, поскольку позволяет специалистам в области психического здоровья своевременно вмешаться и оказать более эффективную поддержку таким пациентам в критические моменты. Однако до сих пор точное прогнозирование риска самоповреждения было непростой задачей.

Исследователи из Гонконгского университета разработали новую модель, которая с высокой точностью предсказывает риск самоповреждения у людей, страдающих депрессией. Эта модель, представленная в статье, опубликованной в Molecular Psychiatry, может помочь в разработке более эффективных и персонализированных методов лечения депрессии.

«Мы признаём, что депрессия — очень распространённое психическое расстройство, которое приводит к серьёзным нарушениям жизнедеятельности», — сказал в интервью Medical Xpress Вин Чунг Чанг, старший автор статьи.

«Важно отметить, что самоповреждение и суицид тесно связаны с депрессией и представляют собой серьезную проблему для общественного здравоохранения. На данный момент недостаточно данных для разработки точной модели прогнозирования самоповреждающего поведения у людей с недавно диагностированной депрессией. Мы пришли к выводу, что база электронных медицинских карт (ЭМК), в которой хранятся регулярно собираемые клинические данные, является мощным ресурсом для разработки модели прогнозирования риска самоповреждения».

Обучение алгоритмов прогнозирования рисков на большом массиве данных

Для разработки модели прогнозирования рисков Чанг и его коллеги использовали базу электронных медицинских карт — большой массив данных, содержащий медицинские карты более 100 000 жителей Гонконга с диагнозом «депрессия».

Эта база данных была составлена государственными службами здравоохранения Гонконга и включает в себя клинические данные за 20 лет. Используя электронные медицинские карты, исследователи разработали и протестировали годичную модель прогнозирования для оценки риска членовредительства среди людей, у которых недавно диагностировали депрессию.

«Мы разработали алгоритмы прогнозирования риска самоповреждения с использованием метода наименьших абсолютных отклонений и выбора (LASSO) и модели обратной регрессии, используя клинические данные 102 863 человек с недавно диагностированной депрессией из общетерриториальной базы электронных медицинских карт государственных медицинских учреждений Гонконга», — рассказал Чанг.

«При разработке модели мы учли широкий спектр возможных прогностических переменных у пациентов, включая основные социально-демографические данные, случаи жестокого обращения в детстве, сопутствующие физические и психические заболевания, случаи членовредительства, обращение за психиатрической помощью и прием психотропных препаратов».

Чанг и его коллеги проанализировали данные о случаях членовредительства и суицида и с помощью статистических методов выявили соответствующие факторы риска. Затем они разработали две похожие модели, которые предсказывали риск членовредительства на основе выявленных факторов риска с интервалом в один и три года соответственно.

«Мы разработали модели прогнозирования рисков на основе данных по шести из семи зон обслуживания государственных медицинских учреждений Гонконга и проверили эти модели на оставшейся зоне обслуживания», — сказал Чанг.

«Наши результаты показали, что модели обеспечивают высокую дифференцировку и калибровку с высокой точностью. Примечательно, что их эффективность оставалась стабильной при разделении на возрастные и половые группы, а также при прогнозировании на один и три года».

Новые стратегии прогнозирования и предотвращения самоповреждающего поведения

Среди связанных с самоповреждениями факторов риска, выявленных исследователями, были наблюдавшиеся

в прошлом эпизоды самоповреждений или саморазрушительное поведение, предыдущие госпитализации по психиатрическим показаниям и расстройства, связанные с употреблением психоактивных веществ. Напротив, прием антидепрессантов или лития был связан с более низким риском самоповреждений.

«Наша проверенная модель прогнозирования риска, основанная на этих факторах, точно выявляет людей с повышенным риском самоповреждения после постановки диагноза «депрессия», — говорит Чанг. — Таким образом, наши модели могут способствовать персонализированному учёту рисков и своевременному вмешательству в отношении пациентов, подверженных риску самоповреждения».

В будущем модель, разработанная этой исследовательской группой, может быть доработана для повышения точности прогнозирования. В конечном итоге ее можно будет внедрить в клиническую практику, чтобы помочь психиатрам выявлять пациентов с повышенным риском самоповреждения и разрабатывать своевременные стратегии лечения, направленные на оказание им максимально возможной поддержки.

«Мы можем провести дополнительную внешнюю проверку разработанных нами моделей прогнозирования риска самоповреждения на выборках пациентов из других регионов, чтобы подтвердить и повысить достоверность наших моделей для различных групп населения», — добавил Чанг.

«Это также облегчит внедрение результатов наших исследований в реальную клиническую практику для прогнозирования рисков и оказания помощи пациентам с депрессией».

by Ingrid Fadelli

Ранее было опубликовано:

Селфхарм (самоповреждение) при депрессии: роль верхней височной извилины и мозжечка

Селфхарм, или несуицидальное самоповреждающее поведение (НССП), отмечается у каждого третьего пациента с депрессией. Тем не менее, несмотря на то, что данный феномен широко распространен, его биологическая основа начинает изучаться только сейчас.

Kang et al. в своей недавней работе, опубликованной в журнале Translational Psychiatry, показали при помощи целого комплекса нейровизуализационных подходов и алгоритмов машинного обучения, какие именно структурные и функциональные изменения в головном мозге ассоциированы с развитием НССП при депрессии. Наиболее связаны с НССП оказались такие факторы, как увеличение объема серого вещества в правой верхней височной извилине и ухудшение функционирования корково-мозжечковых нейронных сетей. Эти области ассоциированы с импульсивным поведением, эмоциональной регуляцией, соматосенсорными и исполнительными функциями.

Телеграм: t.me/ainewsline

Источник: vk.com

Комментарии: