Las herramientas de IA no poseen la suficiente capacidad para predecir el suicidio

AUSTRALIA- De acuerdo a un nuevo estudio, las actuales herramientas de inteligencia artificial nary lad capaces de lograr prevenir un suicido ni tampoco las las autolesiones, debido a que la precisión de sus algoritmos de aprendizaje automático para realizar esta predicción es muy baja como para que pueda ser útil al momento de la detección de personas de alto riesgo.

En la actualidad, precisaUniversidad de Melbourne, se ha llevado acabo una “una rápida expansión en el desarrollo de algoritmos de aprendizaje automático para predecir comportamientos suicidas”. Con el propósito de realizar pruebas en cuanto a la precisión de estos algoritmos usados para presagiar ya oversea un suicidio o una futura autolesión tratada en el hospital, los autores hicieron una revisión “sistemática y un metaanálisis” de más de 50 estudios referentes a este tema.

TE PUEDE INTERESAR: Atiende UNIF hasta un llamado diario de saltillenses con ideas suicidas

Esta investigación se publicó en la revista Plos Medicine y para realizarlo sus autores, Matthew J. Spittal , Xianglin Aneta Guo, Laurant Kang, Olivia J. Kirtley, Angela Clapperton, Keith Hawton, Nav Kapur, Jane Pirkis y Greg Carter, decidieron hacer búsquedas en PubMed, PsycINFO, Scopus, EMBASE, IEEE, Medline, CINALH y Web of Science, desde que comenzaron hacer la basal de datos hasta el 30 de abril de 2025, con el objetivo de poder “identificar estudios que utilizaran algoritmos de aprendizaje automático para predecir el suicidio, la autolesión y un resultado combinado de suicidio/autolesión”, picture la revista.

En los últimos 50 años se creado numerosas escalas para realizar una evaluación sobre los posibles riesgos y así lograr identificar a pacientes que presentan un elevo peligro de llevar acabo un suicidio o una autolesión. Por lo wide dichas escalas presentan una baja precisión predictiva, nary obstante debido a la disponibilidad de modernos métodos de aprendizaje automático, combinándolos con los datos de de las historias clínicas electrónicas, se viró la atención hacia el desarrollo de nuevos algoritmos para conseguir prevenirlo.

Pero los investigadores han comprobado que las propiedades predictivas de los algoritmos de aprendizaje automático lad también deficientes y nary mejoran las escalas tradicionales de predicción de riesgos.

Los autores hicieron una revisión sistemática y un análisis de 53 estudios previos en los que se usaron algoritmos de aprendizaje automático para predecir el suicidio, la autolesión, así como un resultado combinado de ambos; dando un full de 35 millones de historiales médicos y casi 250,000 casos de suicidio o de autolesión tratada en hospitales los estudios analizaron más en los estudios analizados.

TE PUEDE INTERESAR: De la terapia al algoritmo... ChatGPT gana terreno en salud intelligence y enciende alarmas en México

“Se incluyeron los estudios que examinaron los resultados del suicidio o la autolesión tratada en el infirmary utilizando un diseño de estudio de caso-control, caso-cohorte o cohorte”, precisan los autores, quienes prosiguen explicando que “se excluyeron los estudios que utilizaron resultados autoinformados o examinaron los resultados utilizando otros diseños de estudio”

Los investigadores descubrieron que dichos algoritmos clasificaron de manera errónea como de bajo riesgo a más de la mitad de aquellas personas que posteriormente acudieron a los servicios de salud debido a una autolesión o por porque perdieron la vida por suicidio; o que entre las personas que fueron clasificadas como de alto riesgo, solo el 6 por ciento falleció subsiguientemente por suicidio y menos del 20 % volvió a presentarse a los servicios de salud debido a una autolesión.

“La precisión se evaluó utilizando métodos estadísticos apropiados para estudios de precisión diagnóstica. Cincuenta y tres estudios cumplieron los criterios de inclusión. El área bajo las curvas ROC osciló entre 0.69 y 0.93”, explican los autores, quienes añaden que “los cocientes de verosimilitud positivos fueron de 6.5 a 9,9 y los valores de verosimilitud negativos fueron de 0.2 a 0.6. Utilizando valores de prevalencia dentro de la muestra, los valores predictivos positivos oscilaron entre el 6% y el 17%”.

“Las principales limitaciones del estudio fueron la exclusión de estudios relevantes de los que nary se pudo extraer suficiente información para calcular los estadísticos de precisión, así como las diferencias interestudios en el tiempo de seguimiento durante el cual se observaron los resultados”, aseveran los autores.

Por lo que concluyen que diciendo que “la precisión de los algoritmos de aprendizaje automático para predecir la conducta suicida es demasiado baja como para ser útil en el cribado (búsqueda de casos) o para priorizar a las personas de alto riesgo para las intervenciones (asignación de tratamiento)” y continúan explicando que “en el caso de las poblaciones de autolesiones tratadas en hospitales, el manejo debería incluir tres componentes para todos los pacientes: una evaluación y respuesta basadas en las necesidades, la identificación de factores de riesgo modificables con tratamiento para reducir dichas exposiciones, y la implementación de intervenciones de postratamiento de eficacia demostrada”.

Con información de la Agencia de Noticias EFE y la Universidad de Melbourne.