一项随机研究结果显示，一个AI系统大大改善了医生对被认为有较高自杀风险患者进行自杀倾向筛查的决策。这项研究结果发表在《JAMA Network Open》上。
近年来，美国的自杀人数呈指数级增长。2022年，自杀死亡人数接近50,000人，比前一年增加了3%。
“大多数死于自杀的人在去世前一年曾看过医疗保健提供者，通常是因为与心理健康无关的原因。”范德比尔特大学医学中心生物医学信息学、医学和精神病学副教授Colin Walsh博士在一份新闻稿中表示。“但在每个环境中实施普遍筛查并不现实。”
Walsh及其同事开发了范德比尔特自杀企图和意念可能性模型（VSAIL），用于帮助识别高风险患者并促进有针对性的筛查对话。该模型分析电子健康记录中的常规信息，以确定患者在未来30天内发生自杀企图的风险。
在这项单中心随机临床试验中，研究人员评估并比较了两种警报方法，针对由VSAIL识别为高风险的患者：
- 中断式临床决策支持（CDS），涉及自动弹出警报，中断医生的工作流程；
- 非中断式CDS，在患者的电子病历中显示“高自杀风险评分”。
当悬停在非中断式CDS图标上时，会弹出与中断式CDS相同的提示框。
该试验包括561名参与者，共进行了596次医生接诊，时间为2022年8月17日至2023年2月16日。
研究人员发现，中断式CDS组中有42%的接诊导致医生选择进行筛查，而非中断式CDS组中这一比例仅为4%（比值比=17.7；95%置信区间，6.42-48.79）。中断式CDS还使筛查决定率高于一年前相同临床环境中自杀风险评估的基础水平（22%对8%）。
研究人员指出了一些研究局限性，包括自杀风险评估可能存在泄漏。此外，试验并未有足够的样本量来确定自杀企图或死亡率的变化，尽管在30天的随访期内，两组均未发生此类事件。
研究人员指出，中断式CDS“在促使行为方面更有效”，但其缺点，如频繁警报导致的医生疲劳，“会抵消其有效性”。
“AI使得繁忙的诊所更容易实施自杀预防工作，”Walsh表示。“医疗系统需要平衡中断式警报的有效性与其潜在的负面影响。但这些结果表明，自动化风险检测结合精心设计的警报可以帮助我们识别更多需要自杀预防服务的患者。”
(全文结束)
