Personalizácia hodnotenia rizika samovraždy: Extrakcia vzájomných interakcií medzi psychosociálnymi a demografickými faktormi u veteránov pomocou strojového učenia

Veteráni majú zvýšené riziko samovraždy v porovnaní so všeobecnou populáciou. Výskum sa zameral na vývoj prediktívnych modelov pomocou strojového učenia, ktoré kombinujú štruktúrované údaje z elektronických zdravotníckych záznamov s textovými informáciami z klinických poznámok. Vedci analyzovali údaje od 27 241 veteránov a skúmali klinickú dokumentáciu z obdobia 30, 90 alebo 270 dní pred smrťou. Použili metódu XGBoost na identifikáciu vzájomných interakcií medzi textovými a klinickými premennými. Výsledky ukázali, že zahrnutie týchto interakcií do modelov zlepšilo prediktívnu presnosť, najmä u pacientov s nízkou a strednou úrovňou rizika. Textová reprezentácia údajov prekonala predchádzajúci sémantický prístup. Štúdia demonštruje užitočnosť interpretovateľných metód spracovávania prirodzeného jazyka pri odhaľovaní klinicky významných faktorov ovplyvňujúcich riziko samovraždy.