En el ámbito de las poblaciones psiquiátricas, el aprendizaje automático se ha convertido en una herramienta valiosa para predecir el suicidio. Estudios previos han agrupado a poblaciones psiquiátricas y no psiquiátricas juntas, lo que ha llevado a limitaciones en la identificación de factores de riesgo específicos para el suicidio dentro de poblaciones distintas. Para abordar este problema, se llevó a cabo una revisión exhaustiva de estudios de aprendizaje automático centrados únicamente en poblaciones clínicas psiquiátricas.
La revisión implicó una búsqueda sistemática de literatura en PubMed, EMBASE y Scopus siguiendo las directrices PRISMA hasta el 17 de noviembre de 2022. Solo se incluyeron investigaciones originales que utilizaran técnicas de aprendizaje automático para predecir intentos de suicidio o evaluar el riesgo de suicidio en poblaciones psiquiátricas. Se revisaron un total de 1032 estudios, con 81 que cumplían los criterios de inclusión para un análisis más detallado.
Las características comúnmente utilizadas en estos estudios incluyeron características clínicas y demográficas. Al comparar los algoritmos, los modelos de bosque aleatorio, máquina de vectores de soporte y redes neuronales convolucionales consistentemente superaron a otros en términos de precisión. La mayoría de los estudios informaron una tasa de precisión de más del 70%, con factores como intentos previos, la gravedad del trastorno y medicamentos siendo predictores significativos de riesgo de suicidio.
A pesar de los resultados prometedores, los algoritmos de aprendizaje automático para la predicción del suicidio todavía enfrentan desafíos. Estos incluyen la falta de datos neurobiológicos e de imágenes, así como la ausencia de muestras de validación externa. Abordar estas limitaciones podría allanar el camino para la integración de modelos de aprendizaje automático en la práctica clínica, ayudando en última instancia a reducir las tasas de suicidio.
Históricamente, predecir el suicidio ha sido una tarea difícil, con una falta de métodos eficaces para anticipar suicidios individuales o categorizar a los pacientes según el riesgo de suicidio. A nivel mundial, el suicidio es una causa significativa de muerte prematura, especialmente entre los jóvenes de 15 a 29 años, lo que lo convierte en la segunda causa principal de mortalidad en este grupo de edad después de los accidentes de tráfico. En el rango de edad de 15 a 44 años, el suicidio ocupa el tercer lugar como causa de muerte más común.
A pesar de los esfuerzos por identificar factores de riesgo e implementar intervenciones, investigaciones recientes sugieren que los enfoques actuales son insuficientes. Muchas personas que intentan suicidarse han buscado ayuda de profesionales de la salud antes de sus intentos, destacando una ventana potencial para la intervención. El desafío de predecir comportamientos suicidas surge de la falta de biomarcadores psiquiátricos definitivos y del poder predictivo limitado de los factores de riesgo individuales.
Los riesgos de suicidio son complejos y están influenciados por una combinación de variables ambientales y de rasgo. Si bien factores como trastornos mentales, intentos de suicidio previos, traumas tempranos y eventos negativos de la vida son reconocidos como factores de riesgo de suicidio, los métodos tradicionales para predecir el suicidio han mostrado una eficacia limitada. Incluso las poblaciones de alto riesgo como las personas con depresión luchan con una predicción precisa del suicidio.
En conclusión, la búsqueda de un método efectivo para predecir suicidios y estratificar a los pacientes según el riesgo de suicidio sigue siendo un desafío continuo en las poblaciones psiquiátricas. Los factores de riesgo tradicionales tienen sus limitaciones, y aún no se han establecido biomarcadores para la evaluación del riesgo de suicidio. La investigación en curso en aprendizaje
