Puntos clave

Pregunta: ¿Puede un proceso de capacitación de algoritmos de aprendizaje automático basados en registros médicos electrónicos identificar a las personas con mayor riesgo de intentos de suicidio en sistemas de atención médica independientes?

Hallazgos: En este estudio de pronóstico, utilizando un enfoque de aprendizaje supervisado aplicado a los datos estructurados de registros electrónicos de salud de más de 3,7 millones de pacientes en 5 diversos sistemas de atención de la salud de Estados Unidos, los modelos detectaron una media del 38% de los casos de intento de suicidio con una especificidad del 90% con una media de 2,1 años de antelación.

Significado: Estos hallazgos sugieren que un enfoque de aprendizaje automático computacionalmente eficiente que aproveche todo el espectro de datos estructurados de registros médicos electrónicos pueden ser capaces de detectar el riesgo de comportamiento suicida en pacientes no seleccionados y puede facilitar el desarrollo de herramientas de apoyo a la toma de decisiones clínicas que informen las intervenciones de reducción de riesgos.