.png){kind=logo}
Predecir y prevenir el suicidio, particularmente mediante el uso de algoritmos de aprendizaje automático.
El suicidio sigue siendo un problema crítico en los Estados Unidos, y actualmente es la décima causa principal de muerte, lo que indica una crisis de salud pública generalizada pero a menudo evitable (1) (2). Cada día, un promedio de 16,8 personas se suicidan, lo que indica la necesidad urgente de contar con estrategias de intervención eficaces (3). A pesar de la percepción generalizada de que el suicidio se produce sin previo aviso, la evidencia sugiere que el 90% de las personas que se suicidan tienen una afección de salud mental tratable (4). El desafío radica en pasar de un enfoque predominantemente reactivo a uno proactivo, en el que los sistemas de detección temprana y apoyo a la salud mental puedan intervenir mucho antes de que las personas lleguen a un punto de crisis. Es imperativo centrarse más en la prevención y la atención oportuna para reducir la incidencia del suicidio y mejorar el apoyo a la salud mental en todas las comunidades (5).
Para abordar esta necesidad, hemos desarrollado un modelo de análisis predictivo, el «SuicideRisk AI», que aprovecha los datos sintéticos que abarcan una multitud de variables clínicas y conductuales, como el historial de salud mental, las puntuaciones de los cuestionarios estándar, como el PHQ-9 y el GAD-7, y las conductas relacionadas con un mayor riesgo de suicidio. Esta herramienta ayuda a los médicos a detectar precozmente a los pacientes con alto riesgo de suicidio.
Las variables del modelo predictivo provienen de diferentes investigaciones, incluida una revisión sistemática de Lejeune et al. (1), un estudio sobre el aprendizaje automático en la predicción del suicidio realizado por Kumar et al. (2) y literatura sobre estrategias de IA para evaluar el comportamiento suicida de Khan y Javed (3). Además, incorpora el potencial de la IA para predecir el riesgo de suicidio, como destacan Parsapoor et al. (4), y las perspectivas futuras de la IA en este campo (5), lo que proporciona al modelo una base sólida para una predicción precisa.
El suicidio sigue siendo un problema crítico en los Estados Unidos, y actualmente es la décima causa principal de muerte, lo que indica una crisis de salud pública generalizada pero a menudo evitable (1) (2). Cada día, un promedio de 16,8 personas se suicidan, lo que indica la necesidad urgente de contar con estrategias de intervención eficaces (3). A pesar de la percepción generalizada de que el suicidio se produce sin previo aviso, la evidencia sugiere que el 90% de las personas que se suicidan tienen una afección de salud mental tratable (4). El desafío radica en pasar de un enfoque predominantemente reactivo a uno proactivo, en el que los sistemas de detección temprana y apoyo a la salud mental puedan intervenir mucho antes de que las personas lleguen a un punto de crisis. Es imperativo centrarse más en la prevención y la atención oportuna para reducir la incidencia del suicidio y mejorar el apoyo a la salud mental en todas las comunidades (5).
Para abordar esta necesidad, hemos desarrollado un modelo de análisis predictivo, el «SuicideRisk AI», que aprovecha los datos sintéticos que abarcan una multitud de variables clínicas y conductuales, como el historial de salud mental, las puntuaciones de los cuestionarios estándar, como el PHQ-9 y el GAD-7, y las conductas relacionadas con un mayor riesgo de suicidio. Esta herramienta ayuda a los médicos a detectar precozmente a los pacientes con alto riesgo de suicidio.
Considering that the suicide rate in Latin America is 5.1 per-100,000 inhabitants [2] and the region’s population exceeds 650 million, the estimated annual cost of suicide could surpass $45 million USD.
Additionally, studies show that suicide prevention through early risk identification can reduce suicide attempts by up to 30% [3].
According to PAHO (2022), each suicide in the region generates an estimated cost of $7,000 USD for emergency medical care, hospitalization, and long-term treatment of suicide attempt survivors.
The implementation of this predictive model could reduce suicide rates by enabling timely interventions. According to a study in Nature (2022), the use of AI technologies for predicting suicide risk has improved intervention accuracy by 30%. This not only enhances patient outcomes but also alleviates pressure on healthcare systems by optimizing resources and reducing long-term costs.
Las variables del modelo predictivo provienen de diferentes investigaciones, incluida una revisión sistemática de Lejeune et al. (1), un estudio sobre el aprendizaje automático en la predicción del suicidio realizado por Kumar et al. (2) y literatura sobre estrategias de IA para evaluar el comportamiento suicida de Khan y Javed (3). Además, incorpora el potencial de la IA para predecir el riesgo de suicidio, como destacan Parsapoor et al. (4), y las perspectivas futuras de la IA en este campo (5), lo que proporciona al modelo una base sólida para una predicción precisa.
