Eine Studie des Vanderbilt University Medical Center zeigt, dass durch künstliche Intelligenz (KI) generierte Warnungen die Identifizierung von Patienten mit Suizidrisiko erheblich verbessern und so die Präventionsbemühungen in routinemäßigen medizinischen Einrichtungen stärken können.
Unter der Leitung von Colin Walsh, einem außerordentlichen Professor für biomedizinische Informatik, Medizin und Psychiatrie, testete die Forschung das System Vanderbilt Suicide Attempt and Ideation Likelihood (VSAIL) in drei Neurologiekliniken des Zentrums. Die Studie, die in JAMA Network Open veröffentlicht wurde, verglich zwei Ansätze: unterbrechende Warnungen, die den Workflow des Arztes stören, und ein passives System, das Risikoinformationen in der elektronischen Patientenakte anzeigt.
Die Ergebnisse zeigten, dass unterbrechende Warnungen weitaus effektiver waren und die Ärzte in 42 % der Fälle zur Bewertung des Suizidrisikos anregten, verglichen mit nur 4 % beim passiven System. Walsh bemerkte: „Die meisten Personen, die durch Suizid sterben, hatten im Jahr zuvor Kontakt zu einem Gesundheitsdienstleister, oft aus nicht spezifischen gesundheitlichen Gründen.“
Die Suizidraten in den USA sind in der letzten Generation gestiegen, mit 14,2 Todesfällen pro 100.000 Menschen jährlich, was es zur 11. häufigsten Todesursache macht. Studien zeigen, dass 77 % derjenigen, die durch Suizid sterben, im Jahr zuvor einen Hausarzt konsultiert haben.
Das VSAIL-Modell analysiert aktuelle Daten aus elektronischen Patientenakten, um das Risiko von Suizidversuchen innerhalb der nächsten 30 Tage zu schätzen. In früheren Tests zeigte dieses Modell, das Patienten markierte, ohne Warnungen zu senden, vielversprechende Ergebnisse: einer von 23 markierten Patienten berichtete später von Suizidgedanken.
Im Rahmen der aktuellen Studie erhielten die Ärzte entweder unterbrechende oder passive Warnungen, wenn Patienten, die von VSAIL als hochriskant eingestuft wurden, Termine hatten. Der Fokus auf Neurologiekliniken beruhte auf der Assoziation bestimmter neurologischer Erkrankungen mit einem höheren Suizidrisiko.
Walsh erklärte, dass das automatisierte System nur etwa 8 % aller Patientenbesuche für das Screening markierte, was darauf hinweist, dass gezielte Ansätze die Suizidprävention auch in überfüllten Kliniken erleichtern können. Die Studie analysierte 7.732 medizinische Besuche über einen Zeitraum von sechs Monaten und generierte 596 Screening-Warnungen. In den folgenden 30 Tagen nach dem Besuch wurden in beiden Warnungsgruppen keine Episoden von Suizidgedanken oder -versuchen dokumentiert.
Obwohl unterbrechende Warnungen das Screening häufiger anregten, wiesen die Forscher auf das Risiko der Warnmüdigkeit hin, bei dem Ärzte von übermäßigen Benachrichtigungen überwältigt werden können. Zukünftige Studien werden dieses Phänomen weiter untersuchen.
„Gesundheitssysteme müssen die Effizienz unterbrechender Warnungen mit möglichen negativen Effekten in Einklang bringen“, sagte Walsh. „Unsere Ergebnisse legen nahe, dass die automatische Risikobewertung zusammen mit gut gestalteten Warnungen dazu beitragen kann, mehr Patienten zu identifizieren, die Präventionsdienste gegen Suizid benötigen.“