机器学习算法可以根据电子病历中的自杀风险对患者进行分类，但目前还没有研究探讨临床医生对这些算法产生的自杀风险标志的感知，这可能会影响算法的实现。心理学家们做了一个研究，目的是评估临床医生对自杀风险标志的认知。
这个研究在线招募临床心理医生作为参与者，一共参与的人数有139人，调查时间从2018年10月到2019年4月。
大多数参与者倾向于知道哪些特征会导致病人收到自杀信号(94.12%)，并报告说知道这些特征会影响他们的治疗(88.24%)。临床医生更有可能报告某些算法特征(比如：自杀念头增加)会比其他因素更危险。临床医生还有可能报告说，他们将创建一个安全、或是危机应对计划，以应对自杀风险。
绝大多数临床医生报告说，电子病历中的自杀风险标志会改变他们的临床决策。然而，临床医生对自杀风险标志做出反应的可能性与突出显示的特征有关，而不是仅仅与风险标志的存在有关。
因此，如果隐藏了算法背后的临床特征，或者临床医生不认为临床特征是有意义的自杀风险预测因素，那么自杀风险算法的效用就会降低。所以不能完全依赖算法，还是需要临床医生进行专业的判断。
参考文献：
Brown LA, Benhamou K, May AM, Mu W, Berk R.Machine Learning Algorithms in Suicide Prevention: Clinician Interpretations as Barriers to Implementation.J Clin Psychiatry. 2020 Apr 21;81(3). pii: 19m12970. doi: 10.4088/JCP.19m12970.
网友评论