В ходе исследования, проведенного учеными из Университета штата Калифорния, было установлено, что модели машинного обучения могут быть эффективными в предотвращении самоубийств среди молодежи, что свидетельствует о шокирующем случае, когда бельгиец покончил с собой после того, как ему посоветовали воспользоваться чат- ботом, созданным на основе технологииAI. В настоящее время медицинские работники полагаются на систему данных для оценки психического здоровья детей, однако результаты последних исследований показывают, что модели машинного обучения значительно лучше выявляют мысли о самоповреждениях и поведении детей. По оценкам, в Европе самоубийство является основной причиной смерти молодых людей, а по оценкам, девять миллионов детей в возрасте от 10 до 19 лет живут с психическими расстройствами. Более половины всех случаев приходится на тревогу и депрессию. В США, по оценкам Департамента здравоохранения и социальных служб, 20 миллионов молодых людей в настоящее время имеют диагностированное психическое расстройство. Для оценки эффективности современных систем оценки психического здоровья исследователи UCLAHealth изучили клинические выписки из 600 посещений отделений неотложной помощи детьми в возрасте от 10 до 17 лет. Выводы оказались обескураживающими, поскольку в клинических выписках не было выявлено 29% детей с травмирующими мыслями и поведением, а специалисты не обратили внимания на 54% пациентов. В значительной степени это объясняется тем, что дети не сообщают о своих суицидальных мыслях и поведении во время первого визита в отделение неотложной помощи. Даже когда эти системы использовались в совокупности, 22% детей из группы риска были пропущены. Исследование показало, что мальчики чаще остаются без внимания, чем девочки, а чернокожая и латиноамериканская молодежь чаще остается без внимания, чем девочки.

Однако внедрение моделей машинного обучения существенно изменило ситуацию. Исследователи создали три модели, которые анализировали различные данные, включая предыдущий медицинский уход, лекарства, местоположение пациента и результаты лабораторных тестов, для оценки мыслей о самоубийстве или самоповреждении. Все эти модели превосходили традиционные методы выявления детей, подверженных риску. Автор исследования Джульет Эдгкомб подчеркнула важность совершенствования методов обнаружения, прежде чем переходить к прогнозированию. Хотя модели машинного обучения имели более высокую вероятность ложных результатов, Эдгкомб заявила, что предпочтительнее проявлять осторожность и выявлять больше детей, подверженных риску. BefriendersWorldwide- международная организация, имеющая телефоны доверия в 32 странах мира. Если вы чувствуете себя нуждающимся, пожалуйста, свяжитесь с ней, посетив сайтbefrienders. org, чтобы найти подходящий телефон доверия в вашем регионе.