MADRID, 12 Sep. (EUROPA PRESS) –
La precisión de los algoritmos de aprendizaje automático para predecir el comportamiento suicida es demasiado baja como para ser útil en la detección o priorización de individuos de alto riesgo para intervenciones, según un nuevo estudio de la Universidad de Melbourne, Australia.
El trabajo se publica en ‘PLOS Medicine’. En los últimos 50 años se han desarrollado numerosas escalas de evaluación de riesgos para identificar a pacientes con alto riesgo de suicidio o autolesión. En general, estas escalas han presentado una baja precisión predictiva, pero la disponibilidad de métodos modernos de aprendizaje automático, combinados con datos de historiales médicos electrónicos, ha reorientado la atención hacia el desarrollo de nuevos algoritmos para predecir el suicidio y la autolesión.
En el nuevo estudio, los investigadores realizaron una revisión sistemática y un metaanálisis de 53 estudios previos que utilizaron algoritmos de aprendizaje automático para predecir el suicidio, la autolesión y un resultado combinado de suicidio y autolesión. En total, los estudios analizaron más de 35 millones de historiales médicos y casi 250.000 casos de suicidio o autolesión tratada en hospitales.
El equipo descubrió que los algoritmos tenían una sensibilidad moderada y una especificidad alta, o altos porcentajes de personas identificadas como de bajo riesgo que no se autolesionaron ni se suicidaron. Si bien los algoritmos son excelentes para identificar a quienes no volverán a presentarse por autolesión ni morirán por suicidio, generalmente son deficientes para identificar a quienes sí lo harán.
Específicamente, los investigadores descubrieron que estos algoritmos clasificaron erróneamente como de bajo riesgo a más de la mitad de quienes posteriormente acudieron a los servicios de salud por autolesión o murieron por suicidio. Entre las personas clasificadas como de alto riesgo, solo el 6% murió posteriormente por suicidio y menos del 20% volvió a presentarse a los servicios de salud por autolesión.
“Encontramos que las propiedades predictivas de estos algoritmos de aprendizaje automático eran deficientes y no mejores que las de las escalas tradicionales de evaluación de riesgos”, afirman los autores. “La calidad general de la investigación en esta área fue deficiente, y la mayoría de los estudios presentaban un riesgo de sesgo alto o incierto. No hay evidencia suficiente para justificar cambios en las recomendaciones de las guías de práctica clínica actuales”.
Los autores añaden: “Existe un creciente interés en la capacidad de la inteligencia artificial y el aprendizaje automático para identificar con precisión a los pacientes con alto riesgo de suicidio y autolesión. Nuestra investigación demuestra que los algoritmos desarrollados pronostican de forma deficiente quiénes se suicidarán o volverán a acudir a los servicios de salud para recibir tratamiento por autolesión, y presentan tasas considerables de falsos positivos”.
Asimismo, agregan: “Muchas guías de práctica clínica en todo el mundo desaconsejan enérgicamente el uso de la evaluación del riesgo de suicidio y autolesión como base para asignar intervenciones eficaces de cuidados posteriores. Nuestro estudio demuestra que los algoritmos de aprendizaje automático no son mejores para predecir la conducta suicida futura que las herramientas tradicionales de evaluación del riesgo en las que se basaron estas guías. No observamos evidencia que justifique modificar estas guías”.
