Исследователи из Университета Нового Южного Уэльса в Сиднее использовали методы машинного обучения для анализа факторов, предсказывающих риск попыток суицида среди подростков. Они считают, что их модель более точна, чем существующие методы, и может быть использована для индивидуальной терапии уязвимых детей. Данные были собраны из национального исследования австралийских детей, начатого в 2004 году, и включали информацию о 2809 подростках в возрасте от 14 до 17 лет.

Исследователи выявили более 4000 потенциальных факторов риска в таких областях, как психическое здоровье, физическое здоровье, взаимодействия с другими людьми, школа и домашняя среда. Они использовали метод случайного леса, популярный алгоритм машинного обучения, для выявления тех факторов риска, которые наблюдались в возрасте 14-15 лет и были наиболее предсказуемыми для попыток суицида и самоповреждения в возрасте 16-17 лет.

Новый подход оказался эффективнее стандартного метода, который опирается только на предыдущие попытки суицида или самоповреждения. Модели на основе машинного обучения показали лучшую производительность, измеряемую показателем AUC (площадь под кривой ошибок), который оценивает точность предсказаний. Обычно AUC от 0,7 до 0,8 считается приемлемым для предсказания риска, от 0,8 до 0,9 — отличным, и более 9,0 — выдающимся. Используемая модель достигла показателя выше 0,7 AUC при прогнозировании как суицида, так и самоповреждения.

Что удивило исследователей, так это то, что предыдущие попытки суицида или самоповреждения не являлись высоким фактором риска, и что окружающая среда играла более важную роль, чем ожидалось.

Главным предиктором попытки суицида оказалось ощущение бессилия и отсутствия контроля над окружающей средой и своим будущим. Подростки пытались убить себя, если чувствовали, что от них ничего не зависит в собственной жизни. Основным предиктором нанесения себе увечий оказалось отсутствие эмоциональной саморегуляции: дети не умели выражать сильные эмоции и переживать горе, ярость или одиночество другим способом.