Facebooktwitterlinkedinmail

18 schrikkelmaand 2022 – Schenkkan jouw suïcidaal rijrichting voorzien met behulp van zelflerende algoritmes? Er zijn mogelijkheden, maar zowel mogelijkheid op ongemakken. Uit eentje overzichtsstudie gepubliceerd ter The Lancet Psychiatry blijkt dat machine learning ter suïcidepreventie nog ter den kinderschoenen staat.

Te den zorg wordt steeds vaker gebruikgemaakt van zelflerende algoritmes. Zo kunnen dit complexe computerberekeningen aan den hand van gegevens nauwkeurig voorzien waar eentje tumor ter ie vlees zit of watten ie optimale uur is wegens eentje patiënt op den intensive care te ontslaan. Er zijn verschillende studies diegene toestaan zien dat jouw machine learning vermag wedden wegens suïcidaliteit te voorzien. Weliswaar maken zelfs den uitgelezene algoritmes relatief veel (valselijk positieve) ongemakken. Zowel ie waarlijk voorkomen van suïcidaal rijrichting met behulp van algoritmes staat nog ter den kinderschoenen.

Dat blijkt uit eentje overzichtsstudie van ie Trimbos-instituut, Altrecht, den Vrije Universiteit Mokum (VU) plus den universiteiten van Manchester plus Leuven. Op verzoek van ie wetenschappelijk medisch weekblad The Lancet Psychiatry schreef ie Trimbos-instituut samen met den viertal andere vrouwen een overzichtsartikel met de laatste stand van zaken over machine learning: eentje verzamelnaam voordat zelflerende algoritmes.

Zelfrijdende automaat’s
Zelflerende algoritmes zijn complexe rekenregels diegene voorspellingen kunnen maken plus patronen thuisbrengen aan den hand van uitgestrekte bergen gegevens zonder dat eentje programmeur diegene relaties expliciet heeft geprogrammeerd. Dankzij machine learning kunnen automaat’s bijvoorbeeld zelfstandig rijden plus kunnen bedrijven gepersonaliseerde aanbiedingen verrichten.

Schenkkan jouw suïcidaal rijrichting voorzien?
Den afgelopen jaren zijn er verschillende studies verschenen diegene machine learning toepasten wegens suïcidaal rijrichting te voorzien. Diegene toepassingen zijn eentje eerste stap ter ie vanzelf screenen van patiënten, bijvoorbeeld onderbrak huisartsen. Op diegene methode vermag eentje algoritme artsen promoten wegens bijvoorbeeld suïcidaliteit te doorspreken ter patiënten met eentje schel risico. Weliswaar blijft ie lastig wegens suïcidaal rijrichting te voorzien, omdat ie eentje gevolg is van complexe interacties tussen vele mogelijke factoren (omgevingsfactoren, sociale factoren, psychologische factoren, etc.). Te watten voordat omlijning is iemand opgegroeid? Is er eentje verhoogde mogelijkheid op lagedrukgebied? Heeft iemand ingrijpende gebeurtenissen meegemaakt?

Ie blijkt mogelijk wegens via machine learning diegene complexe samenhang mee te nemen plus ermee den voorspelling te verbeteren. Weliswaar blijft ie voorzien van suïcidaal rijrichting lastig, omdat ie relatief weinig voorkomt. Zelfs ie uitgelezene algoritme maakt veel (valselijk positieven) ongemakken.

Daarnaast vraagt den vertaling van den uitkomst van eentje algoritme zoals preventie nog voetlicht. Watten heeft eentje behandelaar eraan wanneer wij eentje suïcide kunnen voorzien op voet van registratiedata met eentje nauwkeurigheid van 80 procent. Hoe interpreteer jouw dit resultaat plus hoe vertaal jouw den uitkomst van eentje voorspelling zoals den praktijk? Hoe zullen den toepassing eruit willen zien?

Te ie overzichtsartikel ter The Lancet Psychiatry lichten wij den uiterst gebruikte termen binnenshuis machine learning toe plus doorspreken verschillende relevante thema’s. Denken onder meer aan den kwaliteit van den gegevens plus den ethische uitdagingen diegene machine learning met zichzelf meebrengt. Daarenboven geven wij eentje set aanbevelingen wegens machine learning waarlijk te usances wegens suïcidaal rijrichting te voorzien. Erin doorspreken wij onder meer dat machine learning eenzaam zin heeft mits er noch eenzaam voetlicht is voordat signalering, maar zowel voordat zorgtrajecten na ie voorzien van suïcidaal rijrichting. Zo hopen wij eentje bijdrage te leveren aan den steeds sneller gaande ontwikkelingen rondom big gegevens, machine learning plus suïcidepreventie.­

Kernpunten

  • Omdat suïcidaal rijrichting relatief weinig voorkomt zou zelfs ie uitgelezene algoritme (valselijk positieve) ongemakken maken.
  • Den methode waarop suïcidaal rijrichting wordt geregistreerd, vermag kolossaal verbeterd wordt.
  • Den bestaande gegevens vermag verrijkt wordt met bijvoorbeeld gegevens van mobiele telefoons.
  • Investeer noch eenzaam ter ie voorzien, maar zowel ter ie voorkomen van suïcidaal rijrichting.
  • Betrek patiënten plus behandelaren ter den doorontwikkeling van den uitkomsten van machine learning zoals toepassingen ter den praktijk.

Leergang machine learning ter praktijk
Ie Trimbos-instituut biedt aan GGZ professionals diegene (willen) werken met hun inherent gegevens eentje leergang van vijf dagen ter eentje tijdsperiode van vijftien weken aan. U leert daarheen tastbaar eentje machine learning-project op te zetwerk plus uit te voeren. Meer inlichting:

Leergangen: Machine Learning in de (klinische) praktijk – Trimbos-instituut

Praten overheen zelfmoordgedachten vermag anonimiseren: chat via www.113.nl, hard 113 of hard kosteloos 0800-0113.

Informatiebron: trimbos.nl

 

Dit bulletin is 12 keer lezen.

Facebooktwitterlinkedinmail