"การทำร้ายตัวเอง" กำลังเป็นหนึ่งในสาเหตุหลักของวัยรุ่นทั้งในสหรัฐอเมริกาและออสเตรเลีย และแนวโน้มเดียวกันนี้ก็ส่งสัญญาณการเพิ่มขึ้นทั่วโลกเช่นกัน การรับมือโดยผู้เชี่ยวชาญอย่างเดียวอาจจะไม่เพียงพออีกต่อไป 

ด้วยเหตุนี้ ทีมนักวิจัยจากมหาวิทยาลัยนิวเซาธ์เวลส์ ซิดนีย์ (University of New South Wales Sydney) จากออสเตรเลีย ได้สร้างระบบปัญญาประดิษฐ์ (AI) ที่ใช้คัดกรองปัจจัยสำคัญที่ส่งผลให้วัยรุ่นมีแนวโน้มทำร้ายตัวเองได้อย่างแม่นยำขึ้นมา

หลักการใช้ AI คัดกรองการทำร้ายตัวเองในวัยรุ่น

ทีมนักวิจัยได้ใช้หลักการที่เรียกว่าแรนดอม ฟอเรสต์ (Random Forest: RF) ซึ่งเป็นการแตกแขนงทางเลือกในการตัดสินใจ (Decision tree) ออกไปหลาย ๆ สถานการณ์และคำถาม ก่อนรวบรวมเหตุผลและผลลัพธ์การตัดสินใจต่าง ๆ เพื่อสรุปออกมาเป็นผลลัพธ์เพียงหนึ่งเดียวจากการเฉลี่ยทุกรูปแบบการตัดสินใจ 

ยกตัวอย่างเช่น นักพัฒนาได้ป้อนภาพผลไม้ในกระเช้าให้กับระบบและให้ทำนายว่าผลไม้ชนิดใดมีมากที่สุดในกระเช้านั้น โดยสมมติว่ามี 3 เส้นทางหลักในการตัดสินใจ ซึ่งในแต่ละทางก็คิดออกมาหลายชั้นก่อนสรุปผล และผลลัพธ์จากแต่ละเส้นทางก็จะถูกนำมาเฉลี่ย และได้ผลลัพธ์สุดท้ายออกมา (ดูภาพประกอบ)

หลักการนี้นักวิจัยใช้เป็นพื้นฐานในการนำข้อมูลแบบประเมินภาวะการทำร้ายตัวเองและการทำอัตวินิบาตกรรมในกลุ่มวัยรุ่นอายุ 14-15 ปี และกลุ่มอายุ 16-17 ปี รวม 2,809 ชุดข้อมูล ซึ่งเป็นคำถามที่ให้ทั้งตัวเด็กวัยรุ่น, ผู้ปกครอง, และครูผู้สอนที่ใกล้ชิดร่วมประเมิน เช่น แบบสอบถามความรู้สึกและสภาวะอารมณ์แบบสั้น (SMFQ) และแบบสอบถามจุดแข็งและจุดอ่อน (SDQ) ซึ่งเป็นหนึ่งในแบบคัดครองพื้นฐานเพื่อดูภาวะซึมเศร้าและความสัมพันธ์ระหว่างชีวิตและปัจจัยรอบตัวที่ทำไว้ในปี 2004 ให้ออกมาเป็นแบบในการเรียนรู้ของ AI เพื่อหาว่าปัจจัยใดที่ส่งผลต่อเด็กวัยรุ่นบ้าง โดยจะประเมินพฤติกรรมและอารมณ์ เหตุการณ์ในชีวิตที่ตึงเครียด ความสัมพันธ์ระหว่างพ่อแม่และลูก ความเป็นอิสระ ความรู้สึกเป็นส่วนหนึ่งของโรงเรียน และดูว่าเด็กมีแฟนหรือไม่

ผลลัพธ์การใช้ AI คัดกรองการทำร้ายตัวเองในวัยรุ่น

จากปัจจัยเสี่ยงกว่า 4,000 ปัจจัย นักวิจัยได้กำหนด 48 ปัจจัย ส่งให้ระบบที่ใช้ RF ในการวิเคราะห์ว่าปัจจัยใดบ้างที่ทำให้เด็กวัยรุ่นมีแนวโน้มทำร้ายตัวเอง และอีก 480 ปัจจัย ให้ AI วิเคราะห์แนวโน้มการทำอัตวินิบาตกรรม ซึ่งผลออกมาว่า AI สามารถทำได้ในระดับใกล้เคียงกับที่ผู้เชี่ยวชาญประเมิน โดยมีค่าความแม่นยำในกรณีการทำร้ายตัวเองอยู่ที่ 0.740 สำหรับการทำร้ายตัวเอง และ 0.722 สำหรับการอัตวินิบาตกรรม ซึ่งปกติแล้วค่าที่รับได้ในทางวิจัยจะอยู่ในช่วง 0.7 - 0.8 

และผลลัพธ์ยังทำให้นักวิจัยพบว่าปัจจัยหลักที่ส่งผลต่อเด็กวัยรุ่น ไม่ใช่เพียงการเคยพยายามอัตวินิบาตกรรมหรือทำร้ายตัวเองเท่านั้น แต่เป็นสภาพแวดล้อมที่เด็กคนนั้นใช้ชีวิต รวมถึงยังพบอีกด้วยว่าในบางรายการขาดความเชื่อมั่นในตัวเอง และการขาดความสามารถในการควบคุมอารมณ์ก็เพิ่มความเสี่ยงได้เช่นกัน

ด้วยเหตุนี้ งานวิจัยนี้นอกจากจะพบว่า AI ช่วยคัดกรองปัจจัยเสี่ยงในการทำร้ายตัวเองของวัยรุ่นได้แล้ว ยังเป็นการหักล้างสมมติฐานเหมารวมที่ว่าการทำอัตวินิบาตกรรมและการทำร้ายตัวเอง มาจากสุขภาพจิตที่ไม่ดีและสังคมที่คล้ายคลึงกัน ซึ่งหลังจากนี้นักวิจัยจะขยายฐานข้อมูลที่ AI ใช้ และเพิ่มความสามารถ AI ไปสู่การช่วยคัดกรองอาการในเชิงปัจเจกและเฉพาะบุคคลมากขึ้นในอนาคต 

โดยงานชิ้นนี้ได้รับการตีพิมพ์ใน ไซไคเออทรี รีเสิร์ช (Psychiatry Research) วารสารวิชาการด้านจิตเวชศาสตร์เป็นที่เรียบร้อยแล้ว อย่างไรก็ตาม การนำไปใช้งานคัดกรองผู้ป่วยจริง ๆ จำเป็นต้องได้รับการทดสอบ (Clinical trial) เพื่อขยายฐานข้อมูลผู้ป่วยให้หลากหลายและประเมินประสิทธิภาพก่อนจะเริ่มใช้รักษาผู้ป่วยจริง ๆ ต่อไป

ที่มาข้อมูล New Atlas

ที่มารูปภาพ Pexels