Pontos-chave

Pergunta: Um processo de treinamento de algoritmos de aprendizagem de máquina baseado em registros eletrônicos de saúde pode identificar indivíduos com risco aumentado de tentativas de suicídio em sistemas de saúde independentes?

Resultados: Neste estudo prognóstico, utilizando uma abordagem de aprendizagem supervisionada aplicada a dados estruturados de registros eletrônicos de saúde de mais de 3,7 milhões de pacientes em 5 diversos sistemas de saúde dos EUA, os modelos detectaram uma média de 38% dos casos de tentativa de suicídio com 90% de especificidade com média de 2,1 anos de antecedência.

Ou seja: Esses achados sugerem que uma abordagem computacionalmente eficiente de aprendizagem de máquina aproveitando todo o espectro de dados estruturados de registros eletrônicos de saúde pode ser capaz de detectar o risco de comportamento suicida em pacientes não selecionados e pode facilitar o desenvolvimento de ferramentas de apoio à decisão clínica que informam intervenções de redução de risco.