Các nhà nghiên cứu Hoa Kỳ cho rằng phương thức truyền thống trong đó, chúng ta quan sát và theo dõi trẻ em cần được chăm sóc khẩn cấp, có thể bỏ sót một số trẻ có nguy cơ tự làm hại bản thân, nhưng AI sẽ giúp các nhà cung cấp dịch vụ y tế đánh giá hiệu quả hơn.

Sau trường hợp gây sốc, một người đàn ông Bỉ được cho là đã quyết định tự kết liễu đời mình sau khi chatbot (chương trình AI) khuyến khích anh ta làm như vậy, một nghiên cứu mới đã phát hiện ra rằng các mô hình học máy thực sự có thể được sử dụng hiệu quả cho mục đích hoàn toàn ngược lại: ngăn chặn tự tử ở những người trẻ tuổi.

Một nghiên cứu của các nhà khoa học tại Hệ thống Y tế thuộc Đại học California ở Los Angeles, Hoa Kỳ mới được công bố trên tạp chí JMIR Mental Health cho thấy máy học giúp phát hiện suy nghĩ hoặc hành vi tự gây thương tích ở trẻ em tốt hơn nhiều so với hệ thống dữ liệu thực tế hiện đang được các nhà cung cấp dịch vụ chăm sóc sức khỏe sử dụng.

Theo một báo cáo năm 2021 của Quỹ Nhi đồng Liên hợp quốc (UNICEF), tự tử là nguyên nhân hàng đầu gây tử vong ở thanh thiếu niên châu Âu. Ước tính có 9 triệu trẻ em trong độ tuổi từ 10 đến 19 sống chung với các rối loạn tâm thần, trong đó, lo âu và trầm cảm chiếm hơn một nửa tổng số trường hợp. Tại Hoa Kỳ, khoảng 20 triệu thanh niên hiện có thể được chẩn đoán mắc chứng rối loạn sức khỏe tâm thần.

Nhóm nghiên cứu đã xem xét các ghi chú lâm sàng của 600 lần trẻ em từ 10 đến 17 tuổi đến khoa cấp cứu để xem các hệ thống đánh giá sức khỏe tâm thần này có thể xác định các dấu hiệu tự làm hại bản thân và đánh giá nguy cơ tự tử ở trẻ hiệu quả đến mức độ nào. Kết quả là những ghi chú lâm sàng này đã bỏ qua 29% trẻ em đến khoa cấp cứu do có những suy nghĩ hoặc hành vi tự gây thương tích, trong khi theo đánh giá của các chuyên gia y tế, tỷ lệ bệnh nhân có nguy cơ bị bỏ sót lên đến 54%.

Trong trường hợp thứ hai, các chuyên gia y tế không phát hiện ra dấu hiệu của những suy nghĩ hoặc hành vi tự gây thương tích vì trẻ em thường không nói đến những suy nghĩ và hành vi tự tử trong lần đầu tiên đến khoa cấp cứu.

Theo nghiên cứu, ngay cả khi sử dụng đồng thời hai hệ thống vẫn bỏ sót 22% trẻ em có nguy cơ mắc bệnh. Tỷ lệ các bé trai nhiều khả năng bị bỏ sót hơn các bé gái, trong khi tỷ lệ này ở trẻ em da đen và trẻ em Mỹ La tinh cũng cao hơn trẻ em da trắng.

Tuy nhiên, các mô hình máy học đã tạo ra sự khác biệt đáng kể. Các nhà nghiên cứu đã tạo ra ba mô hình máy học, xem xét dữ liệu bao gồm chăm sóc y tế trước đây, thuốc men, nơi bệnh nhân sinh sống và kết quả xét nghiệm trong phòng thí nghiệm để đánh giá những suy nghĩ liên quan đến tự tử và những suy nghĩ hoặc hành vi tự gây thương tích. Cả ba mô hình đều xác định trẻ có nguy cơ hiệu quả hơn các phương pháp truyền thống.

Mặc dù ba mô hình học máy được phát hiện là làm tăng khả năng xảy ra sai sót, nhưng những trẻ được xác định là có nguy cơ trong khi thực tế không phải vậy. Juliet Edgcomb, trưởng nhóm nghiên cứu cho rằng điều đó tốt hơn “là bỏ sót hoàn toàn nhiều trẻ”.

N.P.D (NASATI), theo https://www.euronews.com/next/2023/07/27/ai-models-could-help-improve-suicide-prevention-among-children, 27/7/2023