Search
Close this search box.
Search

Zelfmoordpoging voorspellen met machine learning algoritme

De helft van de mensen die door zelfdoding een eind aan hun leven maken zijn in de maand daarvoor bij hun huisarts geweest. Omdat ze tijdens die bezoeken vrijwel nooit (uit zichzelf) over suïcidale gevoelens beginnen is het voor huisartsen lastig om deze patiënten op tijd te herkennen. Ook weten ze niet altijd waar ze op moeten letten. Het Nivel onderzocht samen met onder andere 113 Zelfmoordpreventie of machine learning huisartsen kan helpen suïcidale patiënten te identificeren.

In Nederland doen dagelijks naar schatting zo’n honderd mensen een zelfmoordpoging, waarvan er gemiddeld vijf overlijden. Het op tijd identificeren van mensen die met suïcidale gedachten rondlopen kan het aantal zelfmoordpogingen, en overlijdens, doen afnemen. Voor het onderzoek naar de eventuele meerwaarde van machine learning werd huisartsendata uit Nivel Zorgregistraties Eerste Lijn gebruikt.

Zelfmoordpoging voorspellen

Bij de onderzoekers leefde het idee dat er mogelijk een patroon zat in het type consultaties en de frequentie van consultaties in de aanloop naar suïcidaal gedrag. Vervolgens werd onderzocht of machine learning ingezet kan worden om te voorspellen welke patiënten die een huisarts bezocht de hoogste kans op suïcidaal gedrag heeft. Het machine learning algoritme bleek bij sommige patiënten goed in staat suïcidaal gedrag, en het feit dat ze tot een zogenoemde hoog-risicogroep behoorden, te kunnen voorspellen.

Let wel, het algoritme werkte zeker niet bij alle patiënten. Echter, het toepassen van de machine learning techniek kan voor huisartsen een waardevolle ondersteuning betekenen. Een eerste stap op weg naar geautomatiseerde screening bij huisartsenpraktijken. Met de informatie dat een bepaalde patiënt op basis van die screening een verhoogd risico loopt op het ontwikkelen van suïcidale gedachten, dan kan dat een opening zijn voor de huisarts om die situatie te bespreken.

Het feit blijft echter dat suïcidaal gedrag moeilijk te voorspellen is. Huisartsen zullen hier, ook wanneer de machine learning algoritme breder ingezet gaat worden, zelf ook altijd alert op moeten blijven.

Het onderzoek

Behalve het Nivel en 113 Zelfmoordpreventie hebben aan het onderzoek ook Altrecht en het Trimbos-instituut meegewerkt. Voor het onderzoek werd onder andere gebruik gemaakt van input vanuit de huisartspraktijk, epidemiologen en data-analisten. Een deel van de patiënten die voor het onderzoek geselecteerd waren hadden in 2017 allemaal een registratie van een suïcide(poging). Daarnaast deden aan het onderzoek ook patiënten mee die voor andere psychische klachten de huisarts geconsulteerd hadden (de controle-risicogroep).

Voor de ontwikkeling van het algoritme werden huisartsendata gebruikt die teruggingen tot twee jaar voorafgaand aan het moment van suïcidaal gedrag (bij de eerste patiëntengroep), dan wel tot twee jaar voor het moment van consultatie van de huisarts (bij de tweede patiëntengroep).

Ron Smeets

ICT&health World Conference 2024

Ervaar de toekomst van de gezondheidszorg tijdens de ICT&health World Conference van 14-16 mei 2024! Claim alvast jouw ticket en dompel je onder in baanbrekende technologieën en innovatieve oplossingen. Ga in gesprek met collega-experts en verken de kracht van wereldwijde samenwerkingen.

Deel dit artikel!

Lees ook
Parkinson Punt Zuyd
Website Parkinson Punt Zuyd gelanceerd
Narcolepsie
Nieuwe app voor brede behandelaanpak narcolepsie
dispenser
Verpleegklinieken pionieren succesvol met medicijndispensers
AI-opleiding
AI-opleiding voor medewerkers ETZ
zelfherstel
Zebravis onderzoek werpt nieuw licht op behandeling blindheid
Transparantie zorg
Politiek eist meer transparantie over kwaliteit van zorg
thuisarts.nl
Samenwerking voor verdere uitbreiding Thuisarts.nl
digipunt
DigiPunt Zuyderland ondersteunt digivaardigheid
AI-model huidkanker
Risico op huidkanker voorspellen met AI-model
diabetestools
Digitale diabetestools bieden te weinig klinische voordelen
Volg jij ons al?