İntihar Birleşik Devletler’de 15-34 yaş grubundaki genç insanlar arasında en öne çıkan ikinci ölüm nedeni. Dahası klinik tedavi uzmanlarının risk altındaki insanları saptamakta kullandıkları araçlar oldukça kısıtlı. Geçtiğimiz günlerde Nature dergisindeki bir yazıda söz edilen yeni bir makine öğrenmesi tekniği, intihar düşüncelerinden mustarip insanların belirlenmesinde yardımcı olabilir.
Araştırmacılar intihara eğilimli katılımcılar ve kontrol grubu olmak üzere eşit olarak ikiye ayrılmış olan 34 genç yetişkin üzerinde çalışmalar gerçekleştirdi. Her birine 10 kelimeden oluşan üç liste sunulan denekler, fMRI’dan (fonksiyonel manyetik rezonans görüntüleme) geçirildi. Tüm kelimeler olumsuz (“sıkıntı”, “kötülük”, “suçluluk” gibi), olumlu (“kaygısız”, “sevecenlik”, “masumiyet” gibi) veya intihara ilişkin (“ölüm”, “dertli”, “öldürücü” gibi) kavramlardan oluşuyordu. Ayrıca araştırmacılar kızgınlık, utanç gibi duyguların beyindeki paternlerini gösteren, daha önceden haritalanmış nöral işaretlerden de faydalandı.
fMRI sonuçlarına gore, beş beyin bölgesiyle birlikte deneklere verilen kelimelerden altısının intihara meyilli hastaları kontrol grubundan ayırmak için en iyi işaretçiler olduğu bulundu. Araştırmacılar sadece bu kelimeler ve bölgeleri kullanarak geliştirdikleri makine öğrenmeye dayalı bir sınıflandırıcıyı eğittiler. Sonuçta sınıflandırıcı 17 intihara meyilli hastadan 15’ini ve kontrol grubundaki 17 denekten 16’sını doğru bir şekilde tespit etmeyi başardı.
Bunun yanında, araştırmacılar intihara meyilli hastaları daha önce intihar girişiminde bulunmuş olanlar (9 kişi) ve bulunmamış olanlar (8 kişi) olmak üzere iki gruba ayırdı ve yeni bir sınıflandırıcıyı bu koşullara göre de eğittiler. Sonuçta yeni sınıflandırıcı 17 hastadan 16’sının ait olduğu grubu doğru bir şekilde tespit etmeyi başardı.
Sonuçlar gösteriyor ki, intihar düşüncesine sahip olan ve olmayan insanların beyinleri kelimelere önemli derecede farklı tepkiler veriyor. Örneğin, intihara eğilimli hastalara “ölüm” kelimesi gösterildiğinde, beyinlerindeki “utanç” bölgesi kontrol grubundakilere göre daha fazla aktif görünüyor. Benzer şekilde, “bela” kelimesi “üzüntü” bölgesinde daha fazla aktiviteye yok açıyor.
Bu, psikiyatride yapay zekâ uygulamalarının kullanımını geliştirmeyi amaçlayan güncel örneklerden yalnızca biri. Bugün araştırmacılar makine öğrenme ile MRI çıktılarını analiz ederek major depresyon bozukluklarının teşhisinden, insanların konuşma paternlerine bakarak PTSD (travma sonrası dental stres bozukluğu) tespitine kadar çeşitli projeler üzerinde çalışıyor. Bu yılın başlarında, Wired dergisinde yayımlanan yazıya göre, bazı araştırmacılar bir kişinin sağlık kayıtlarını tarayarak kişinin intihar riski altında olup olmadığını yüzde 80 ila 90 arasında doğruluk hassasiyetiyle tespit edebilen bir sistem geliştirdi. Buna ek olarak, Facebook da yapay zekâ aracılığıyla metin mandeciliği yaparak intihar veya kendi kendine zarar verme riski bulunan kullanıcıları tespit ediyor ve tespit edilen kişileri ruh sağlığı merkezlerine yönlendiriyor.
Yapay zekâ sağlık alanında şimdiden geniş ölçekli dalgalanmalar yaratmayı başardı. Bilgisayarlı tomografide görülebilen tümör ve benzeri problemleri çok iyi şekilde tespit edebilen algoritmalar var. Hatta bu alanda uzman isimlerden Geoffrey Hinton, New Yorker’a verdiği röportajda radyologların sonunda işsiz kalacağını öngörüyor ve “Radyolog yetiştirmeye şimdiden son verilmeli” diye ekliyor.
Aslında şu anki durumda yapay zekâ araştırmaları bütün doktorları işsiz kalmakla tehdit etmekten çok insanlar tarafından uygulanan yeni terapi tekniklerine ilham kaynağı oluyor. Makalede belirtildiğine göre, beyindeki farklı bölge ve paternlerin tanınması beyin stimülasyonu tekniklerinin (beynin belirli bölgelerini elektriksel olarak uyarmaya dayalı bir tedavi yöntemi) uygulanabileceği yeni bölgelerin açığa çıkarılmasını sağlayabilir. Bunun yanında intiharla ilişkili terimlere karşı beynin verdiği duygusal tepkileri tanımlamak hasta tedavisinde psikoterapistler için de yarar sağlayabilir.
