Des chercheurs conçoivent un algorithme pour prédire les risques de suicide

(Relaxnews) - Une équipe de médecins américains a conçu des modèles informatiques capables d'identifier des patients susceptibles d'attenter à leurs jours. Selon les auteurs de l'étude, le programme pourrait prédire les risques de tentatives de suicide jusque deux ans à l'avance. 

Des médecins de l'hôpital pour enfants de Boston et de l'hôpital général du Massachusetts aux Etats-Unis ont élaboré des modèles informatiques afin d'identifier et prévenir les éventuels comportements suicidaires chez certains profils de patients. Les résultats de leurs travaux sont publiés dans la revue Jama Network Open.

"Les ordinateurs ne peuvent pas remplacer les équipes de soins dans l'identification des problèmes de santé mentale. Mais nous pensons que des algorithmes s'ils sont bien conçus, pourraient identifier des patients à haut risque qui pourraient passer inaperçus dans le système de santé actuel", développe Ben Reis, co-auteur des travaux. 

Pour concevoir ces modèles, les chercheurs ont utilisé les données médicales électroniques de 3,7 millions de patients âgés de 10 à 90 ans suivis dans cinq établissements médicaux (tous situés aux Etats-Unis). Les informations collectées mentionnent 39 162 tentatives de suicide au total. L'autre partie de ces données a ensuite été utilisée afin que l'algorithme puisse prédire quels patients feraient éventuellement une tentative de suicide.

Les modèles informatiques développés dans le cadre de cette recherche ont permis de détecter en moyenne 38% d'entre elles et environ deux ans avant la tentative de suicide proprement dite. Les prédicteurs les plus forts indiquaient des dépendances à la drogue ou à l'alcool ainsi que divers troubles de santé mentale, tels que le trouble de la personnalité borderline. 

Selon les auteurs de l'étude, ces résultats suggèrent que les systèmes informatiques développés pourraient potentiellement alerter les professionnels de santé et donc aider les patients à bénéficier d'interventions appropriées. 

L'équipe de scientifiques à l'origine des travaux souhaite améliorer son approche de modélisation, notamment en intégrant les notes cliniques des médecins dans les données traitées par l'algorithme.