Is een algoritme de oplossing?

Machinelearning en suïcidepreventie

Opinie
Derek de Beurs
Kasper Mens
Citeer dit artikel als
Ned Tijdschr Geneeskd. 2021;165:D5800
Abstract

Dat machinelearning ons kan helpen om een complex probleem als suïcidaliteit te doorgronden wordt duidelijk uit een recent onderzoek. Een algoritme kan suïcidaal gedrag voorspellen, zo luidt de conclusie. Maar wat heb je daar als behandelaar werkelijk aan? En kan een suïcidepoging ook worden voorkomen dankzij machinelearning?

Suïcide is ongelofelijk lastig te voorspellen. Epidemiologisch onderzoek heeft ons veel geleerd over algemene risicofactoren, zoals een depressie, toch is de inschatting van het risico op suïcidaliteit door een behandelaar vaak niet beter dan het opgooien van een muntje.1 Dat ligt niet aan de hulpverlener, of aan de onwillige patiënt, maar eerder aan de complexiteit van suïcidaliteit. De huidige consensus is dat suïcidaal gedrag het gevolg is van een veelheid aan factoren die op een complexe manier elkaar in de loop van tijd beïnvloeden.2 En laat complexiteit nu iets zijn waarmee machinelearningalgoritmes goed om kunnen gaan.3 In tegenstelling tot traditionelere statistiek, kan machinelearning een veelvoud aan interacties tussen risicofactoren verkennen, om zo tot de beste voorspelling te komen. Machinelearning wordt dan ook gepresenteerd als dé oplossing voor alle problemen in de zorg, net als eerder met e-health werd gedaan. Aan de lopende band worden onderzoeken gepubliceerd waarin…

Auteursinformatie

Trimbos-instituut, afd. Epidemiologie, Utrecht: dr. D. de Beurs, epidemioloog. Altrecht, Utrecht: drs. K. Mens, data scientist.

Contact D. de Beurs (dbeurs@trimbos.nl)

Belangenverstrengeling

Belangenconflict en financiële ondersteuning: geen gemeld.

Auteur Belangenverstrengeling
Derek de Beurs ICMJE-formulier
Kasper Mens ICMJE-formulier
Suïcidaliteit voorspellen met machinelearning

Gerelateerde artikelen

Reacties