Как искусственный интеллект помогает выявить причины самоубийств в США

Почему одни районы чаще сталкиваются с самоубийствами, а другие — реже? Исследователи из США решили, что дело не только в личных трагедиях, но и в том, где и как живут люди. Машинное обучение помогло им увидеть скрытые закономерности — и теперь у профилактики есть шанс стать точнее.
Владимир Барышев
Автор Наука Mail
Фото руки
Каждое самоубийство — это не просто цифра в статистике, а чья-то жизнь, трагедия и боль, не похожая ни на какую другуюИсточник: Unsplash

Американские ученые с помощью машинного обучения выявили три устойчивых профиля, которые связаны с повышенным риском самоубийств. Работа опубликована в журнале Nature Mental Health и выполнена исследователями из Weill Cornell Medicine и Колумбийского университета. Анализ охватил данные из более чем 3000 округов США и сосредоточился не на медицинских показателях, а на социальных и экологических факторах. Среди них — бедность, доступ к медицине, структура семьи и условия окружающей среды.

Для выявления закономерностей использовался метод неконтролируемого машинного обучения. Он представляет собой алгоритм, который самостоятельно находил группы, не опираясь на заранее заданные категории. Это позволило ученым увидеть полную картину — без привязки к существующим стереотипам или упрощенным моделям. Они выделили три четких кластера, каждый из которых имеет свою социальную структуру и характерные риски.

Фото района с самолета
Окружающая среда, экономика и история формируют районы — а вместе с ними и риски для психического здоровья их жителейИсточник: Unsplash

Первый кластер, получивший название REMOTE, включал в себя сельские и горные регионы, часто с упором на добывающие отрасли, такие как уголь. Там люди сталкиваются с социальной изоляцией, плохим качеством жилья и недостатком медицинской помощи. В этих сообществах преобладали пожилые мужчины, а самоубийства чаще происходили с использованием огнестрельного оружия.

Второй кластер — COPE — охватывал районы с высоким уровнем семейного и экологического стресса. Там распространены семьи с одним родителем или бабушками и дедушками, воспитывающими внуков. Уровень бедности высок, а климатические условия тяжелые — например, экстремальная жара. Суициды в таких сообществах чаще происходили среди белых людей среднего возраста.

Третий кластер — DIVERSE — характерен для крупных городов с этническим разнообразием. Эти районы страдают от высокой стоимости жилья, загрязнения воздуха и неравного доступа к медицине. Несмотря на наличие больниц, помощь может быть труднодоступной. Здесь чаще страдали молодежь, женщины и представители меньшинств.

Иллюстрация с разными подходами
Эффективная помощь требует тонкой настройки: универсальные рецепты не работают, когда речь идет о столь разных сообществахИсточник: Unsplash

Исследование показало, что универсальные стратегии профилактики неэффективны. Вместо этого, как отмечают авторы, нужно учитывать особенности каждого сообщества. Так, в сельской местности важно уменьшать изоляцию и ограничивать доступ к оружию. А в городских районах — работать с неравенством, качеством воздуха и культурной адаптацией психиатрической помощи.

Интересный вывод касается политики: в тех округах, где была расширена программа Medicaid, доступность медицины выросла, и уровень самоубийств снизился. Это подчеркивает, как важны системные меры в вопросах психического здоровья. Ученые надеются, что на основе этих данных можно будет разрабатывать профилактические программы, которые действительно работают — не в теории, а на практике.

Развитие технологий, таких как машинное обучение, позволяет глубже понять, как социальные и экологические условия влияют на психику, и тем самым подсказывает новые пути профилактики. Такой индивидуализированный подход становится особенно актуальным на фоне обсуждений о рисках стандартных антидепрессантов — об этом подробнее рассказывается в этой статье.