ИИ и риск суицида: что означают 23 сигнала на тысячу обращений

На тысячу обращений в приёмное отделение алгоритм отметил 121 как требующее дополнительной оценки. В 23 случаях в больничных записях появлялся код, связанный с суицидальным поведением, в течение следующих 30 дней. Ещё у 98 отмеченных обращений такого кода не было. Эти числа описывают ретроспективную проверку данных одной американской больницы, а не работу уже внедрённой системы.

Показатель «23 на тысячу» в статье Scientific Reports читается именно так. Он не означает, что модель обнаружила 23 подтверждённые попытки самоубийства или предотвратила 23 трагедии. Авторы предсказывали событие, зарегистрированное в медицинских записях в течение 30 дней после обращения, а не диагностировали острый кризис при поступлении.

Что считали результатом

Тшолофело Мокхелели, Тебого Макаба, Патрик Ндайизигизамие и Номпумело Ндлову обучили и сравнили пять моделей машинного обучения на данных MIMIC-IV. В анализ вошли 204 470 обращений в отделение неотложной помощи, они соответствовали 106 714 пациентам. Исход определяли по диагностическим кодам МКБ-9 и МКБ-10, среди которых были коды самоповреждения, суицидальных мыслей и попытки самоубийства. Поэтому зарегистрированный исход здесь шире, чем только попытка.

На независимой тестовой выборке модель LightGBM показала чувствительность 0,79: она обнаруживала примерно 79% обращений, связанных с позднее зарегистрированным исходом. Площадь под кривой «точность-полнота» составила 0,25. В статье это один из нескольких показателей качества, а не доказательство готовности алгоритма к клиническому применению.

Порог, при котором модель ставила отметку риска, выбирали на валидационных данных. Число тревог зависит не только от алгоритма, но и от порога. Если его снизить, система обычно отмечает больше людей и пропускает меньше исходов, но растёт число ложноположительных сигналов. Повышение порога даёт обратный компромисс.

Сколько сигналов не подтверждалось кодами

В пересчёте, приведённом в сообщении University of Johannesburg, на тысячу обращений приходился 121 сигнал. Из них 23 сопровождались зарегистрированным исходом в течение 30 дней, а 98 не сопровождались. Примерно четыре из пяти отмеченных обращений не имели соответствующего кода в записях этой больницы за заданный период.

Это не доказывает, что у этих людей не было риска. «Ложноположительный» в данном анализе означает отсутствие нужного кода в конкретной медицинской системе и в пределах 30 дней. Событие могло не попасть в записи этой больницы, а само определение исхода зависит от того, как кодируют медицинские случаи. Корректнее говорить о 98 сигналах без зарегистрированного исхода, а не о 98 людях, которые точно не нуждались в помощи.

Модель также пропускала часть исходов: пресс-релиз приводит округлённую оценку около 13 пропущенных случаев на тысячу обращений. Поэтому снижение числа лишних проверок нельзя рассматривать отдельно от риска не отметить человека, у которого позднее появится зарегистрированный исход.

Если бы каждый сигнал требовал отдельной проверки, 121 отметка на тысячу обращений означала бы заметный поток дополнительной оценки. Но исследование не измеряло, сколько минут или часов заняла бы такая работа, как врачи реагировали бы на сигналы и изменились бы клинические решения. Это оценка потенциальной нагрузки по числу отметок, а не фактический замер нагрузки на персонал.

Почему цифры нельзя переносить прямо в клинику

Авторы использовали данные одного медицинского центра в США. В тестовой части было 41 202 обращения и 21 343 уникальных пациента. Разделение на обучающую, валидационную и тестовую части проводили по пациентам, чтобы обращения одного человека не попадали одновременно в разные выборки. Это усиливает внутреннюю проверку модели, но не заменяет проверку в другой больнице.

Для ЮАР это ограничение особенно существенно: опубликованное исследование не обучало и не проверяло модель на южноафриканских пациентах. Распространённость диагнозов, доступность медицинской истории, порядок кодирования и состав пациентов могут отличаться. Даже если в больницах собирают похожие показатели давления, пульса и возраста, это не гарантирует, что модель будет столь же точной или создаст сопоставимое число тревог.

Данные ретроспективны. Авторы оценивают, насколько хорошо алгоритм разделяет записи с зарегистрированным исходом и без него, но не проверяют, улучшает ли его использование помощь пациентам. В статье прямо отмечена необходимость внешней проверки и перспективных исследований, то есть тестирования модели в реальной работе до выводов о её клинической пользе.

Поэтому показатель 23 из 121 полезен прежде всего как иллюстрация компромисса: модель может выделить группу для дополнительного внимания, но значительная часть сигналов не подтверждается выбранным кодовым исходом, а некоторые зарегистрированные исходы остаются незамеченными. Для оценки подобных результатов важно различать качество предсказания, клиническую пользу и то, как именно определён исход. Подробнее о том, что означает достоверность исследования, можно прочитать в отдельном материале.

Источники

Mokheleli T., Makaba T., Ndayizigamiye P., Ndlovu N. Artificial intelligence approach for predicting suicide-related behaviour in emergency departments. Scientific Reports, 2026. Рецензируемая статья, открытый доступ; полный текст PDF.
University of Johannesburg. Promising AI-based approach to early detection of suicide-related behavior at emergency rooms. Medical Xpress, 28 октября 2026 года. Пресс-релиз с округлённым пересчётом ошибок на тысячу обращений.