UnestudiorecientedesarrolladoporinvestigadoresdelaUCLAHealthhademostradoquelosmodelosdeaprendizajeautomáticopuedenserefectivosparaprevenirelsuicidioentrelosjóvenes, enuncasocontrasteconeldesoladorcasodeun belgaque se quitó la vida tras ser animado a hacerlo por un robot de chat de inteligencia artificial. En la actualidad, los profesionales sanitarios sólo cuentan con un sistema de datos para evaluar la salud mental de los niños, pero un estudio revela que los modelos de aprendizaje automático son superiores a la hora de detectar pensamientos o conductas de autolesión en los niños. El suicidio es la principal causa de muerte entre los jóvenes europeos, y se calcula que hay nueve millones de niños de entre 10 y 19 años con trastornos mentales. La ansiedad y la depresión representan más de la mitad de estos casos. En Estados Unidos, el Departamento de Salud y Servicios Humanos calcula que actualmente hay 20 millones de jóvenes con trastornos mentales diagnosticados. Para evaluar la eficacia de los sistemas actuales de evaluación de la salud mental, los investigadores de UCLAHealth revisaron las notas clínicas de 600 visitas a urgencias de niños de entre 10 y 17 años. Los resultados fueron preocupantes, ya que las notas clínicas no identificaron al 29% de los niños con pensamientos o conductas autolesivas, y las declaraciones de los especialistas sanitarios pasaron por alto al 54% de los pacientes. Esto se debió en gran medida al hecho de que los niños no solían comunicar sus pensamientos y comportamientos agresivos durante la primera visita al servicio de urgencias.

El estudio también reveló que era más probable que se pasara por alto a los chicos que a las chicas, y que los jóvenes negros y latinos eran más propensos a ser dejados de lado, en comparación con los jóvenes latinos. Los investigadores crearon tres modelos que analizaban diversos datos, como la atención médica previa, la medicación, la ubicación del paciente y los resultados de las pruebas de laboratorio, para calcular las probabilidades de suicidio o autolesión. La autora del estudio, Juliet Edgcomb, hizo hincapié en la importancia de mejorar la detección antes de pasar a la predicción. Aunque los modelos de aprendizaje automático tenían una mayor probabilidad de falsos positivos, Edgcomb afirmó que es preferible optar por la precaución e identificar a más niños en situación de riesgo. BefriendersWorldwide es una organización internacional con líneas telefónicas de ayuda disponibles en 32 países. Si se encuentra en situación de necesidad, póngase en contacto con ella visitando befrienders. org para encontrar la línea de ayuda adecuada a su ubicación.