Prevedere il rischio che una persona tenti il suicidio è tanto importante quanto complicato. Dopo cinquant’anni di ricerca disponiamo di capacità predittive che sono solo leggermente migliori di previsioni fatte a caso. In uno studio pubblicato di recente sulla rivista Nature, un gruppo di ricercatori dell’University of Jerusalem, ha messo a punto un nuovo metodo, basato sull’analisi, tramite apprendimento automatico, dell’attività delle persone sui social network, Facebook in particolare.
Gli scienziati hanno messo a punto dei modelli di reti neurali artificiali in grado di prevedere il rischio di suicidio a partire dal linguaggio usato quotidianamente dagli utenti dei social. Sono stati inclusi nell’analisi 83.292 post scritti da 1.002 utenti Facebook e sono state prese in considerazione le informazioni psico-sociali disponibili sugli utenti.
Sono stati costruiti due modelli: un Single Task Model (STM), per prevedere il rischio di suicidio direttamente dai post di Facebook (testi Facebook → suicidio) e un Multi-Task Model (MTM), che includeva diversi fattori di rischio, sempre a partire dai post (testi Facebook → tratti della personalità → rischi psicosociali → disturbi psichiatrici → suicidio).
L’MTM si è rivelato il sistema più accurato. Gli autori hanno osservato che le previsioni non si basavano sulla presenza di osservazioni esplicite relative al tema del suicidio, ma su una serie di caratteristiche del testo.
In generale, scrivono gli autori, “l’integrazione dei metodi di apprendimento automatico nelle pratiche di salute mentale sembra essere una strada promettente per migliorare gli sforzi di rilevamento e diagnosi di fenomeni psichiatrici complessi”. Questi risultati in particolare suggeriscono che le analisi basate sull’apprendimento automatico dell’attività quotidiana sui social media possano migliorare le previsioni del rischio di suicidio e contribuire allo sviluppo di strumenti pratici di rilevamento.
