Peneliti Percaya Belajar Jauh Dan Matematika Dapat Membantu Mengakhiri Bunuh Diri Veteran



<div _ngcontent-c14 = "" innerhtml = "

Selama bertahun-tahun para ilmuwan telah fokus pada penyebab dibalik bunuh diri veteran. Sekarang Departemen Energi AS (DOE) dan beberapa laboratorium nasional bekerja sama untuk menggunakan pembelajaran mendalam dan matematika untuk campur tangan sebelum itu terjadi.

Dan seperti banyak kemajuan ilmiah yang dilahirkan oleh kebutuhan militer, upaya ini pada akhirnya akan melayani semua segi populasi, termasuk orang Amerika yang lebih tua.

Pembelajaran mendalam dan Internet itu sendiri terlahir dari penelitian militer.

Pertimbangkan itu itu tahun 1862 ketika Ahli Bedah A.S. William Hammond melakukan panggilan ke petugas lapangan medis di Union Army untuk mengirim "spesimen anatomi yang tidak sehat yang mungkin berharga untuk pengobatan dan operasi militer."

Dan itu selama Perang Dunia Pertamalebih dikenal sebagai pembunuhan massal pertama abad ke-20, dengan perkiraan 10 juta kematian militer saja dari mana ambulan, antiseptik dan anestesi muncul.

Sekitar setengah dari anggaran tahunan Amerika Serikat dihabiskan untuk pertahanan. Dan ironisnya, beberapa kemajuan terbesar dalam ilmu penyelamat kehidupan dalam sejarah manusia muncul sebagai akibat langsung dari inovasi militer.

Bukan rahasia lagi bunuh diri adalah penyebab utama kematian di AS. Menurut Pusat Pengendalian dan Pencegahan Penyakit (CDC) 2016 WISQARS Penyebab Utama Laporan Kematian, bunuh diri adalah penyebab utama kematian kesepuluh secara keseluruhan di AS, yang merenggut nyawa hampir 45.000 orang. Itu adalah penyebab kematian nomor dua di antara orang-orang yang berusia antara 10 dan 34 dan penyebab kematian nomor empat di antara individu-individu antara usia 35 dan 54.

Faktanya, berdasarkan informasi sertifikat kematian yang dihimpun oleh CDC, ada lebih dari dua kali lebih banyak kasus bunuh diri (44.965) di AS dibandingkan dengan kasus pembunuhan (19.362) pada 2016. Dan di antara wanita, tingkat bunuh diri tertinggi untuk mereka yang berusia 45 tahun. -54 (10,3 per 100.000). Di antara laki-laki, ini tertinggi untuk mereka yang berusia & nbsp; 65 dan lebih tua (32,3 per 100.000).

Meskipun orang dewasa yang lebih tua hanya 12 persen dari populasi A.S., mereka bertanggung jawab atas 18 persen kematian akibat bunuh diri, menurut laporan tersebut Asosiasi Amerika untuk Terapi Pernikahan dan Keluarga (AAMFT). Risiko meningkat dengan bertambahnya usia, karena anak berusia 75 hingga 85 tahun memiliki tingkat bunuh diri yang lebih tinggi daripada mereka yang berusia antara 65 dan 75 tahun, dan orang yang berusia 85 tahun atau lebih memiliki risiko tertinggi.

Dan angka bunuh diri lanjut usia diperkirakan oleh AAMFT dilaporkan kurang dari 40 persen atau lebih karena “bunuh diri diam-diam” —dosis berlebihan, kelaparan sendiri, dehidrasi sendiri, dan “kecelakaan.” AAMFT melaporkan bahwa lansia juga cenderung memiliki angka bunuh diri yang lebih tinggi. tingkat bunuh diri ganda, di mana kedua pasangan mengambil hidup mereka sendiri pada saat yang sama.

Setelah statistik yang serius ini, termasuk fakta bahwa seseorang di AS meninggal karena bunuh diri setiap 12 menit, tim peneliti terkemuka AS sedang berupaya menyelamatkan hidup menggunakan metode yang tidak mungkin — matematika.

Upaya multi-segi mencakup delapan laboratorium AS dan beberapa universitas dan perguruan tinggi. & Nbsp; Tujuannya & nbsp; adalah untuk mendapatkan wawasan tentang pola-pola yang terkait dengan populasi berisiko tinggi – seperti veteran perang – dan mengembangkan alat intelijen buatan yang dapat memprediksi kapan bunuh diri upaya yang menjulang, memungkinkan praktisi kesehatan untuk campur tangan sebelum terlambat.

"Bunuh diri adalah krisis kesehatan masyarakat yang mendesak dan namun mencegahnya tetap menjadi masalah yang sebagian besar tidak dapat diselesaikan," kata Xinlian Liu, seorang profesor di departemen Ilmu Komputer dan Teknologi Informasi Hood College di Frederick, Maryland, dan berafiliasi dengan Laboratorium Nasional Lawrence Berkeley ( Berkeley Lab) di Berkeley, California. “Pendekatan penelitian kami menantang karena kami menganalisis banyak faktor risiko sekaligus, di luar kesehatan mental, dan mengidentifikasi pola perilaku manusia yang rumit yang kemudian dapat digunakan seperti sistem peringatan dini. Matematika dan ilmu komputer sangat penting untuk analisis ini. "

Xinlian Liu, seorang profesor di departemen Ilmu Komputer dan Teknologi Informasi Hood College di Frederick, Maryland, dan berafiliasi dengan Laboratorium Nasional Lawrence Berkeley (Berkeley Lab) di Berkeley, California mengeksplorasi
Data pasien Mimic-III menggunakan superkomputer Cori.

(Foto milik Berkeley Lab)

Peneliti di Divisi Riset Komputasi (CRD) di Berkeley Lab & nbsp;menerapkan pembelajaran dan analitik yang mendalam untuk sejumlah besar data yang disimpan dalam catatan kesehatan elektronik (EHR) dari Administrasi Veteran (VA) untuk membantu VA mengatasi sejumlah tantangan medis dan psikologis yang mempengaruhi banyak dari 700.000 veteran militer negara itu.

Penelitian bunuh diri sebelumnya berfokus pada biologi, berusaha mengidentifikasi faktor genetik dan lingkungan yang berkontribusi terhadap bunuh diri, kata Liu. Tetapi ketersediaan baru-baru ini & nbsp; dataset EHR dikombinasikan dengan teknik pembelajaran yang mendalam telah memicu gelombang baru penelitian yang melihat pada penanganan masalah menggunakan informasi kesehatan. "Sementara ahli biologi lebih tertarik pada genom dan menunjukkan dengan tepat faktor fisiologis tertentu yang menempatkan orang pada risiko bunuh diri yang lebih tinggi, kami fokus pada menganalisis ribuan faktor kompleks untuk membangun dan mengenali pola perilaku," & nbsp; Liu menjelaskan. “Banyak penelitian telah berfokus pada menemukan penyebab spesifik dan mereka belum berhasil. Kami kurang fokus untuk mengisolasi penyebab tertentu, tetapi lebih tertarik untuk menemukan pola dari semua faktor yang digabungkan & nbsp; termasuk genetik dan lingkungan dari data luas yang disediakan oleh VA."

Sebagai contoh, cara paling umum dari percobaan bunuh diri adalah overdosis obat, yang seringkali membutuhkan beberapa kali percobaan yang tidak berhasil yang berakhir dengan kunjungan ke rumah sakit. Dengan asumsi bahwa rawat inap yang tidak direncanakan berkorelasi kuat dengan upaya bunuh diri, para peneliti melatih model mereka untuk – melalui algoritma pembelajaran yang mendalam – mengenali pola.

Liu mengatakan para peneliti berharap pola-pola ini pada akhirnya akan mengajarkan mereka bagaimana membedakan antara ide bunuh diri dan orang yang benar-benar akan menindaklanjuti dengan bunuh diri. "Bagaimana saya tahu orang ini benar-benar ingin bunuh diri," kata Liu. “Banyak manula & nbsp; mengatakan mereka tidak ingin hidup. Apakah itu sama dengan keinginan untuk bunuh diri terhadap seseorang yang mengatakan, "Aku tidak ingin hidup dan aku ingin bunuh diri?"

“Kami mencoba untuk memperkirakan kapan seorang pasien mungkin memiliki penerimaan kembali yang tidak direncanakan ke rumah sakit sebulan sebelum itu terjadi. Kami sedang berupaya menyediakan alat prediksi untuk dokter dan klinik sehingga mereka dapat dengan cepat mengidentifikasi kelompok berisiko tinggi dan memprioritaskan sumber daya untuk menjangkau mereka, ”kata Liu, mencatat bahwa jika dokter dapat diberikan peringatan, mereka akan memiliki waktu untuk campur tangan. “Bahkan jika mereka hanya menelepon dan bertanya apakah pasien baik-baik saja, itu akan membuat perbedaan, karena kita sudah tahu bahwa menjangkau pasien sangat penting untuk pencegahan bunuh diri. Kami menggunakan matematika kelas atas untuk memecahkan masalah rumit yang pada akhirnya akan menyelamatkan nyawa. "

Bagian dari kolaborasi antara DOE dan VA, proyek ini menggabungkan sistem EHR VA dengan komputasi kinerja tinggi, kecerdasan buatan dan sumber daya analisis data. Menurut Berkeley Lab, melalui kemitraan “Sejuta Program Veteran – Analisis Kesehatan Komputasi untuk Presisi Medis untuk Meningkatkan Hasil Sekarang” (MVP-CHAMPION), yang diumumkan pada Mei 2017, DOE dan VA bekerja untuk menerapkan superkomputer, pengembangan jaringan dan perangkat lunak sumber daya di beberapa laboratorium nasional hingga kumpulan data medis yang dikumpulkan oleh VA dari sekitar 700.000 veteran dan data EHR dari 22 juta veteran lainnya. Fokus awal dari program ini adalah pencegahan bunuh diri, kanker prostat dan penyakit kardiovaskular.

Ilmuwan komputer, matematikawan, dan ilmuwan domain dari seluruh Berkeley Lab berkolaborasi untuk mengubah kumpulan data yang berkembang menjadi wawasan ilmiah melalui pembelajaran mesin.

(Foto milik Marilyn Chung / Berkeley Lab)

"Departemen Energi terutama membantu para veteran kami dengan menggunakan kecerdasan buatan kelas dunia dan kemampuan superkomputer di Lab Nasional kami untuk mengatasi risiko bunuh diri, cedera otak traumatis, kecanduan opioid dan sejumlah bidang penting lainnya," kata Sekretaris Energi AS Rick Perry dalam sebuah pernyataan, "Saya benar-benar senang bahwa DOE memberikan dukungan kuat kepada 'seruan untuk bertindak' Presiden Trump untuk 'memberdayakan veteran dan mengakhiri tragedi nasional bunuh diri veteran.'"

Bulan lalu, Presiden Trump menandatangani perintah eksekutif berjudul “Inisiatif Nasional untuk Memberdayakan Veteran dan Mengakhiri Bunuh Diri Veteran, ”Berfokus pada peningkatan kualitas hidup bagi Veteran Amerika dan penghentian bunuh diri Veteran.

Menurut VA, perintah eksekutif "mengamanatkan pembentukan Satgas Kesehatan, Pemberdayaan dan Pencegahan Bunuh Diri Veteran, yang akan mencakup Sekretaris Pertahanan, Kesehatan dan Layanan Manusia, Energi, Keamanan Dalam Negeri, Tenaga Kerja, Pendidikan dan Perumahan dan Pengembangan Perkotaan , serta Direktur Kantor Manajemen dan Anggaran, Asisten Presiden untuk Urusan Keamanan Nasional, dan Direktur Kantor Kebijakan Sains dan Teknologi."

Liu mengatakan tujuan tim Lab Berkeley adalah untuk meningkatkan identifikasi pasien yang berisiko bunuh diri melalui algoritme khusus pasien baru yang dapat memberikan skor risiko bunuh diri yang disesuaikan dan dinamis — seperti apakah seseorang yang telah berada di rumah sakit untuk upaya bunuh diri akan berusaha lagi dalam 30 hari — dan buat sumber daya ini tersedia untuk pengasuh dan pasien VA.

Lima mahasiswa — Rafael Zamora-Resendiz, Shirley Wang, Shahzeb Khan, Cheng Ding dan Ryan Kingery — menghabiskan musim panas mereka di lab melalui program magang musim panas Computing Sciences (CS) bekerja sama dengan Silvia Crivelli, ahli biologi komputasi dalam CRD yang telah menjadi ujung tombak keterlibatan Berkeley Lab dalam proyek pencegahan bunuh diri dan Liu. Para siswa mengembangkan algoritma untuk melakukan analisis statistik EHR untuk mencari faktor-faktor kunci yang terkait dengan risiko bunuh diri dan menerapkan metode pembelajaran yang mendalam untuk kumpulan data yang besar dan kompleks ini. "Bekerja dengan dataset yang tersedia untuk umum (MIMIC-III) yang berisi informasi rekam medis tentang sekitar 40.000 pasien dari satu unit perawatan intensif rumah sakit Boston, mereka mencari pola yang mungkin mengarah pada risiko bunuh diri," Berkeley Lab melaporkan.

Liu mempresentasikan proyek tim risetnya di a Konferensi Masyarakat untuk Matematika Industri dan Terapan (SIAM) bulan lalu. Karya itu juga ditampilkan dalam sebuah artikel pada 1 Maret 2019 Berita SIAM blog. Berkantor pusat di Philadelphia, Pennsylvania, SIAM adalah masyarakat internasional dengan lebih dari 14.000 anggota individu, akademik dan perusahaan dari 85 negara. SIAM berupaya membangun kerja sama antara matematika dan dunia sains dan teknologi untuk memecahkan masalah dunia nyata.

Karena set data EHR berisi data terstruktur (seperti demografi, obat yang diresepkan, pekerjaan laboratorium dan prosedur) dan data tidak terstruktur (seperti catatan dokter tulisan tangan dan catatan pembuangan), upaya awal tim ini difokuskan terutama pada menemukan pola di EHR yang beragam dan kompleks. informasi. Misalnya, Zamora-Resendiz ditugaskan mengembangkan jaringan pembelajaran mendalam yang dapat membedakan dan mengklasifikasikan pasien yang berisiko tinggi untuk bunuh diri dari catatan pengeluaran dan catatan dokter dalam kumpulan data ini.

“Kami pertama kali melatih jaringan saraf untuk mengklasifikasikan antara pasien yang berisiko tinggi untuk bunuh diri dan mereka yang tidak menemukan pola dalam bahasa dokter,” kata Zamora-Resendiz. “Kami kemudian menerapkan beberapa teknik pada jaringan terlatih untuk menemukan kata-kata mana yang paling berkontribusi terhadap prediksi akhir. Tantangan sebenarnya adalah mencari cara untuk melacak bagaimana kata-kata ini digabungkan secara internal dalam jaringan. Ini akan membantu memberikan wawasan yang lebih baik tentang motif umum yang ditemukan di antara pasien bunuh diri. "

Meskipun kinerja jaringan saraf ini mengesankan, mereka sulit ditafsirkan, kata Liu. Para peneliti berharap bahwa dengan menggabungkan pengetahuan dokter akan meningkatkan akurasi dan defensibilitas model pembelajaran mendalam ilmiah.

Liu mengatakan dia akan kembali ke Berkeley Lab musim panas ini dengan lebih banyak siswa untuk fokus lagi pada proyek, karena para peneliti diharapkan untuk mendapatkan persetujuan untuk menggunakan Program Sejuta Veteran (Dataset MVP) – yang berisi lebih banyak data daripada dataset MIMIC – untuk memperluas penelitian mereka. Itu MVP adalah & nbsp;seorang nasional, sukarela& nbsp; program penelitian yang didanai oleh & nbsp; Kantor Penelitian VA & amp; Pengembangan dengan tujuan membangun salah satu database medis terbesar di dunia dengan mengumpulkan sampel darah dan informasi kesehatan dari satu juta sukarelawan veteran.

Penemuan ilmiah yang didorong data siap untuk memberikan terobosan di banyak disiplin ilmu, dan metode pembelajaran yang mendalam mewakili pendekatan yang menjanjikan untuk analitik dalam sains untuk menemukan pola halus dalam data ilmiah yang sangat kompleks dari semua jenis, kata Liu. Menurut Berkeley Lab, para peneliti berharap "penggunaan metode ini untuk pemrosesan bahasa alami akan memiliki dampak signifikan pada aplikasi energi yang melibatkan interaksi manusia, di samping perawatan kesehatan veteran."

Berkeley Lab mengatasi tantangan ilmiah paling mendesak di dunia dengan memajukan energi berkelanjutan, melindungi kesehatan manusia, menciptakan bahan-bahan baru dan mengungkapkan asal usul dan nasib alam semesta. Didirikan pada tahun 1931, keahlian ilmiah Berkeley Lab telah diakui dengan 13 hadiah Nobel. University of California (UC) mengelola Berkeley Lab untuk Kantor Ilmu Pengetahuan DOE, satu-satunya pendukung terbesar penelitian dasar di ilmu fisika AS.

Liu mengatakan tim Berkeley berharap untuk mulai mengerjakan data MVP pada akhir April. Data ini membutuhkan proses persetujuan yang cukup besar, katanya, termasuk izin keamanan khusus dan pelatihan tambahan. “Komputer paling kuat ada di dalam DOE. Keistimewaan mereka adalah dalam komputasi super, jadi kita berbicara tentang data besar, lebih dari 400 terabyte. Tidak ada orang lain yang memiliki kapasitas untuk memproses data semacam itu. "

Liu mengatakan menyelamatkan orang dari mengambil nyawanya sendiri adalah salah satu cara terbaik yang dapat ia pikirkan untuk menggunakan pembelajaran yang mendalam. "Kami merasa sangat seperti kami melakukan sesuatu yang bermakna," & nbsp; katanya. “Kekuatan pembelajaran yang dalam adalah bahwa ia dapat melalui data besar dan mendeteksi sinyal yang sangat redup; dan itulah yang membuat pencegahan bunuh diri menjadi sangat sulit. Kami sangat optimis untuk membuat beberapa kemajuan di lapangan. Jendela tindakan antara ketika seseorang berpikir tentang bunuh diri atau melakukannya adalah 48 jam. Kami ingin memanfaatkan kekuatan komputer super untuk mencegat mereka pada waktu itu. Dan jika algoritma kami dapat mengidentifikasi dan menghentikan hanya satu atau dua, kami akan merasa sangat senang tentang itu. "

">

Selama bertahun-tahun para ilmuwan telah fokus pada penyebab dibalik bunuh diri veteran. Sekarang Departemen Energi AS (DOE) dan beberapa laboratorium nasional bekerja sama untuk menggunakan pembelajaran mendalam dan matematika untuk campur tangan sebelum itu terjadi.

Dan seperti banyak kemajuan ilmiah yang dilahirkan oleh kebutuhan militer, upaya ini pada akhirnya akan melayani semua segi populasi, termasuk orang Amerika yang lebih tua.

Pembelajaran mendalam dan Internet sendiri lahir dari riset militer.

Pertimbangkan bahwa itu tahun 1862 ketika Surgeon General William Hammond menelpon petugas lapangan medis di Union Army untuk mengirim "spesimen anatomi yang tidak sehat yang mungkin berharga untuk pengobatan dan pembedahan militer."

Dan itu selama Perang Dunia Pertamalebih dikenal sebagai pembunuhan massal pertama abad ke-20, dengan perkiraan 10 juta kematian militer saja dari mana ambulan, antiseptik dan anestesi muncul.

Sekitar setengah dari anggaran tahunan Amerika Serikat dihabiskan untuk pertahanan. Dan ironisnya, beberapa kemajuan terbesar dalam ilmu penyelamat kehidupan dalam sejarah manusia muncul sebagai akibat langsung dari inovasi militer.

Bukan rahasia lagi bahwa bunuh diri adalah penyebab utama kematian di AS. Menurut Centers for Disease Control and Prevention (CDC) 2016 WISQARS Penyebab Utama Laporan Kematian, bunuh diri adalah penyebab kematian kesepuluh secara keseluruhan di AS, mengklaim nyawa hampir 45.000 orang. Itu adalah penyebab kematian nomor dua di antara orang-orang yang berusia antara 10 dan 34 dan penyebab kematian nomor empat di antara individu-individu antara usia 35 dan 54.

Faktanya, berdasarkan informasi sertifikat kematian yang dihimpun oleh CDC, ada lebih dari dua kali lebih banyak kasus bunuh diri (44.965) di AS dibandingkan dengan kasus pembunuhan (19.362) pada 2016. Dan di antara wanita, tingkat bunuh diri tertinggi untuk mereka yang berusia 45 tahun. -54 (10,3 per 100.000). Di antara laki-laki, itu tertinggi untuk mereka yang berusia 65 dan lebih tua (32,3 per 100.000).

Meskipun orang dewasa yang lebih tua hanya 12 persen dari populasi A.S., mereka bertanggung jawab atas 18 persen kematian akibat bunuh diri, menurut Asosiasi Amerika untuk Terapi Pernikahan dan Keluarga (AAMFT). Risiko meningkat dengan bertambahnya usia, karena anak berusia 75 hingga 85 tahun memiliki tingkat bunuh diri yang lebih tinggi daripada mereka yang berusia antara 65 dan 75 tahun, dan orang yang berusia 85 tahun atau lebih memiliki risiko tertinggi.

Dan angka bunuh diri lanjut usia diperkirakan oleh AAMFT dilaporkan kurang dari 40 persen atau lebih karena “bunuh diri diam-diam” —dosis berlebihan, kelaparan sendiri, dehidrasi sendiri, dan “kecelakaan.” AAMFT melaporkan bahwa lansia juga cenderung memiliki angka bunuh diri yang lebih tinggi. tingkat bunuh diri ganda, di mana kedua pasangan mengambil hidup mereka sendiri pada saat yang sama.

Setelah statistik yang serius ini, termasuk fakta bahwa seseorang di AS meninggal karena bunuh diri setiap 12 menit, tim peneliti terkemuka AS sedang berupaya menyelamatkan hidup menggunakan metode yang tidak mungkin — matematika.

Upaya multi-aspek mencakup delapan laboratorium A.S. dan beberapa universitas dan perguruan tinggi. Tujuannya adalah untuk mendapatkan wawasan tentang pola-pola yang terkait dengan populasi berisiko tinggi – seperti veteran perang – dan mengembangkan alat kecerdasan buatan yang dapat memprediksi ketika upaya bunuh diri menjulang, memungkinkan praktisi kesehatan untuk melakukan intervensi sebelum terlambat.

"Bunuh diri adalah krisis kesehatan masyarakat yang mendesak dan namun mencegahnya tetap menjadi masalah yang sebagian besar tidak dapat diselesaikan," kata Xinlian Liu, seorang profesor di departemen Ilmu Komputer dan Teknologi Informasi Hood College di Frederick, Maryland, dan berafiliasi dengan Laboratorium Nasional Lawrence Berkeley ( Berkeley Lab) di Berkeley, California. “Pendekatan penelitian kami menantang karena kami menganalisis banyak faktor risiko sekaligus, di luar kesehatan mental, dan mengidentifikasi pola perilaku manusia yang rumit yang kemudian dapat digunakan seperti sistem peringatan dini. Matematika dan ilmu komputer sangat penting untuk analisis ini. "

Xinlian Liu, seorang profesor di departemen Ilmu Komputer dan Teknologi Informasi Hood College di Frederick, Maryland, dan berafiliasi dengan Laboratorium Nasional Lawrence Berkeley (Berkeley Lab) di Berkeley, California mengeksplorasi
Data pasien Mimic-III menggunakan superkomputer Cori.

(Foto milik Berkeley Lab)

Para peneliti di Divisi Riset Komputasi (CRD) di Lab Berkeley menerapkan pembelajaran mendalam dan analitik pada sejumlah besar data yang disimpan dalam catatan kesehatan elektronik (EHR) dari Administrasi Veteran (VA) untuk membantu VA mengatasi sejumlah medis. dan tantangan psikologis yang memengaruhi banyak dari 700.000 veteran militer negara ini.

Penelitian bunuh diri sebelumnya berfokus pada biologi, berusaha mengidentifikasi faktor genetik dan lingkungan yang berkontribusi terhadap bunuh diri, kata Liu. Tetapi ketersediaan dataset EHR besar baru-baru ini dikombinasikan dengan teknik pembelajaran yang mendalam telah memicu gelombang baru penelitian yang melihat mengatasi masalah menggunakan informasi kesehatan. "Sementara para ahli biologi lebih tertarik pada genom dan menunjukkan dengan tepat faktor-faktor fisiologis tertentu yang menempatkan orang pada risiko bunuh diri yang lebih tinggi, kami fokus pada menganalisis ribuan faktor kompleks untuk membangun dan mengenali pola perilaku," jelas Liu. “Banyak penelitian telah berfokus pada menemukan penyebab spesifik dan mereka belum berhasil. Kami kurang fokus untuk mengisolasi penyebab tertentu, tetapi lebih tertarik untuk menemukan pola dari semua faktor yang digabungkan termasuk genetik dan lingkungan dari data luas yang disediakan oleh VA. "

Sebagai contoh, cara paling umum dari percobaan bunuh diri adalah overdosis obat, yang seringkali membutuhkan beberapa kali percobaan yang tidak berhasil yang berakhir dengan kunjungan ke rumah sakit. Dengan asumsi bahwa rawat inap yang tidak direncanakan berkorelasi kuat dengan upaya bunuh diri, para peneliti melatih model mereka untuk – melalui algoritma pembelajaran yang mendalam – mengenali pola.

Liu mengatakan para peneliti berharap pola-pola ini pada akhirnya akan mengajarkan mereka bagaimana membedakan antara ide bunuh diri dan orang yang benar-benar akan menindaklanjuti dengan bunuh diri. "Bagaimana saya tahu orang ini benar-benar ingin bunuh diri," kata Liu. "Banyak senior mengatakan mereka tidak ingin hidup. Apakah itu sama dengan keinginan untuk bunuh diri terhadap seseorang yang mengatakan, "Aku tidak ingin hidup dan aku ingin bunuh diri?"

“Kami mencoba untuk memperkirakan kapan seorang pasien mungkin memiliki penerimaan kembali yang tidak direncanakan ke rumah sakit sebulan sebelum itu terjadi. Kami sedang berupaya menyediakan alat prediksi untuk dokter dan klinik sehingga mereka dapat dengan cepat mengidentifikasi kelompok berisiko tinggi dan memprioritaskan sumber daya untuk menjangkau mereka, ”kata Liu, mencatat bahwa jika dokter dapat diberikan peringatan, mereka akan memiliki waktu untuk campur tangan. “Bahkan jika mereka hanya menelepon dan bertanya apakah pasien baik-baik saja, itu akan membuat perbedaan, karena kita sudah tahu bahwa menjangkau pasien sangat penting untuk pencegahan bunuh diri. Kami menggunakan matematika kelas atas untuk memecahkan masalah rumit yang pada akhirnya akan menyelamatkan nyawa. "

Bagian dari kolaborasi antara DOE dan VA, proyek ini menggabungkan sistem EHR VA dengan komputasi kinerja tinggi, kecerdasan buatan dan sumber daya analisis data. Menurut Berkeley Lab, melalui kemitraan “Sejuta Program Veteran – Analisis Kesehatan Komputasi untuk Presisi Medis untuk Meningkatkan Hasil Sekarang” (MVP-CHAMPION), yang diumumkan pada Mei 2017, DOE dan VA bekerja untuk menerapkan superkomputer, pengembangan jaringan dan perangkat lunak sumber daya di beberapa laboratorium nasional hingga kumpulan data medis yang dikumpulkan oleh VA dari sekitar 700.000 veteran dan data EHR dari 22 juta veteran lainnya. Fokus awal dari program ini adalah pencegahan bunuh diri, kanker prostat dan penyakit kardiovaskular.

Ilmuwan komputer, matematikawan, dan ilmuwan domain dari seluruh Berkeley Lab berkolaborasi untuk mengubah kumpulan data yang berkembang menjadi wawasan ilmiah melalui pembelajaran mesin.

(Foto milik Marilyn Chung / Berkeley Lab)

"Departemen Energi terutama membantu para veteran kami dengan menggunakan kecerdasan buatan kelas dunia dan kemampuan superkomputer di Lab Nasional kami untuk mengatasi risiko bunuh diri, cedera otak traumatis, kecanduan opioid dan sejumlah bidang penting lainnya," kata Sekretaris Energi AS Rick Perry dalam sebuah pernyataan, "Saya benar-benar senang bahwa DOE memberikan dukungan kuat kepada 'seruan untuk bertindak' Presiden Trump untuk 'memberdayakan veteran dan mengakhiri tragedi nasional bunuh diri veteran.'"

Bulan lalu, Presiden Trump menandatangani perintah eksekutif berjudul "Inisiatif Nasional untuk Memberdayakan Veteran dan Mengakhiri Bunuh Diri Bunuh Diri," yang berfokus pada peningkatan kualitas hidup bagi Veteran Amerika dan mengakhiri bunuh diri Veteran.

Menurut VA, perintah eksekutif "mengamanatkan pembentukan Satgas Kesehatan, Pemberdayaan dan Pencegahan Bunuh Diri Veteran, yang akan mencakup Sekretaris Pertahanan, Kesehatan dan Layanan Manusia, Energi, Keamanan Dalam Negeri, Tenaga Kerja, Pendidikan dan Perumahan dan Pengembangan Perkotaan , serta Direktur Kantor Manajemen dan Anggaran, Asisten Presiden untuk Urusan Keamanan Nasional, dan Direktur Kantor Kebijakan Sains dan Teknologi. "

Liu mengatakan tujuan tim Lab Berkeley adalah untuk meningkatkan identifikasi pasien yang berisiko bunuh diri melalui algoritme khusus pasien baru yang dapat memberikan skor risiko bunuh diri yang disesuaikan dan dinamis — seperti apakah seseorang yang telah berada di rumah sakit untuk upaya bunuh diri akan berusaha lagi dalam 30 hari — dan buat sumber daya ini tersedia untuk pengasuh dan pasien VA.

Lima mahasiswa — Rafael Zamora-Resendiz, Shirley Wang, Shahzeb Khan, Cheng Ding dan Ryan Kingery — menghabiskan musim panas mereka di lab melalui program magang musim panas Computing Sciences (CS) bekerja sama dengan Silvia Crivelli, ahli biologi komputasi dalam CRD yang telah menjadi ujung tombak keterlibatan Berkeley Lab dalam proyek pencegahan bunuh diri dan Liu. Para siswa mengembangkan algoritma untuk melakukan analisis statistik EHR untuk mencari faktor-faktor kunci yang terkait dengan risiko bunuh diri dan menerapkan metode pembelajaran yang mendalam untuk kumpulan data yang besar dan kompleks ini. "Bekerja dengan dataset yang tersedia untuk umum (MIMIC-III) yang berisi informasi rekam medis tentang sekitar 40.000 pasien dari satu unit perawatan intensif rumah sakit Boston, mereka mencari pola yang mungkin mengarah pada risiko bunuh diri," Berkeley Lab melaporkan.

Liu mempresentasikan proyek tim risetnya pada konferensi Masyarakat untuk Industri dan Matematika Terapan (SIAM) bulan lalu. Karya itu juga ditampilkan dalam sebuah artikel pada 1 Maret 2019 Berita SIAM blog. Berkantor pusat di Philadelphia, Pennsylvania, SIAM adalah masyarakat internasional dengan lebih dari 14.000 anggota individu, akademik dan perusahaan dari 85 negara. SIAM berupaya membangun kerja sama antara matematika dan dunia sains dan teknologi untuk memecahkan masalah dunia nyata.

Karena set data EHR berisi data terstruktur (seperti demografi, obat yang diresepkan, pekerjaan laboratorium dan prosedur) dan data tidak terstruktur (seperti catatan dokter tulisan tangan dan catatan pembuangan), upaya awal tim ini difokuskan terutama pada menemukan pola di EHR yang beragam dan kompleks. informasi. Misalnya, Zamora-Resendiz ditugaskan mengembangkan jaringan pembelajaran mendalam yang dapat membedakan dan mengklasifikasikan pasien yang berisiko tinggi untuk bunuh diri dari catatan pengeluaran dan catatan dokter dalam kumpulan data ini.

“Kami pertama kali melatih jaringan saraf untuk mengklasifikasikan antara pasien yang berisiko tinggi untuk bunuh diri dan mereka yang tidak menemukan pola dalam bahasa dokter,” kata Zamora-Resendiz. “Kami kemudian menerapkan beberapa teknik pada jaringan terlatih untuk menemukan kata-kata mana yang paling berkontribusi terhadap prediksi akhir. Tantangan sebenarnya adalah mencari cara untuk melacak bagaimana kata-kata ini digabungkan secara internal dalam jaringan. Ini akan membantu memberikan wawasan yang lebih baik tentang motif umum yang ditemukan di antara pasien bunuh diri. "

Meskipun kinerja jaringan saraf ini mengesankan, mereka sulit ditafsirkan, kata Liu. Para peneliti berharap bahwa dengan menggabungkan pengetahuan dokter akan meningkatkan akurasi dan defensibilitas model pembelajaran mendalam ilmiah.

Liu mengatakan dia akan kembali ke Berkeley Lab musim panas ini dengan lebih banyak siswa untuk fokus lagi pada proyek, karena para peneliti diharapkan untuk mendapatkan persetujuan untuk menggunakan Program Sejuta Veteran (Dataset MVP) – yang berisi lebih banyak data daripada dataset MIMIC – untuk memperluas penelitian mereka. MVP adalah seorang nasional, sukarela program penelitian yang didanai oleh Kantor Penelitian & Pengembangan VA dengan tujuan membangun salah satu database medis terbesar di dunia dengan mengumpulkan sampel darah dan informasi kesehatan dari satu juta sukarelawan veteran.

Penemuan ilmiah yang didorong data siap untuk memberikan terobosan di banyak disiplin ilmu, dan metode pembelajaran yang mendalam mewakili pendekatan yang menjanjikan untuk analitik dalam sains untuk menemukan pola halus dalam data ilmiah yang sangat kompleks dari semua jenis, kata Liu. Menurut Berkeley Lab, para peneliti berharap "penggunaan metode ini untuk pemrosesan bahasa alami akan memiliki dampak signifikan pada aplikasi energi yang melibatkan interaksi manusia, di samping perawatan kesehatan veteran."

Berkeley Lab mengatasi tantangan ilmiah paling mendesak di dunia dengan memajukan energi berkelanjutan, melindungi kesehatan manusia, menciptakan bahan-bahan baru dan mengungkapkan asal usul dan nasib alam semesta. Didirikan pada tahun 1931, keahlian ilmiah Berkeley Lab telah diakui dengan 13 hadiah Nobel. University of California (UC) mengelola Berkeley Lab untuk Kantor Ilmu Pengetahuan DOE, satu-satunya pendukung terbesar penelitian dasar AS di bidang ilmu fisika.

Liu mengatakan tim Berkeley berharap untuk mulai mengerjakan data MVP pada akhir April. Data ini membutuhkan proses persetujuan yang cukup besar, katanya, termasuk izin keamanan khusus dan pelatihan tambahan. “Komputer paling kuat ada di dalam DOE. Keistimewaan mereka adalah dalam komputasi super, jadi kita berbicara tentang data besar, lebih dari 400 terabyte. Tidak ada orang lain yang memiliki kapasitas untuk memproses data semacam itu. "

Liu mengatakan menyelamatkan orang dari mengambil nyawanya sendiri adalah salah satu cara terbaik yang dapat ia pikirkan untuk menggunakan pembelajaran yang mendalam. "Kami merasa luar biasa seperti kami melakukan sesuatu yang berarti," katanya. “Kekuatan pembelajaran yang dalam adalah bahwa ia dapat melalui data besar dan mendeteksi sinyal yang sangat redup; dan itulah yang membuat pencegahan bunuh diri menjadi sangat sulit. Kami sangat optimis untuk membuat beberapa kemajuan di lapangan. Jendela tindakan antara ketika seseorang berpikir tentang bunuh diri atau melakukannya adalah 48 jam. Kami ingin memanfaatkan kekuatan komputer super untuk mencegat mereka pada waktu itu. Dan jika algoritma kami dapat mengidentifikasi dan menghentikan hanya satu atau dua, kami akan merasa sangat senang tentang itu. "