Önkárosítás kockázatát becslő modell depresszió kezelésében
Százezer depressziós beteg adatain alapul az az új, mesterséges intelligencia (AI) alapú modell, amely az eddigieknél pontosabban képes megbecsülni az önbántalmazás kockázatát depressziós betegeknél.
A depresszió a leggyakoribb mentális zavarok közé tartozik, amely tartós lehangoltsággal, az érdeklődés és örömérzés elvesztésével, valamint alvászavarokkal és étvágyváltozással járhat. A betegség egyes formáiban az érintettek önkárosító magatartást tanúsíthatnak, súlyos esetekben pedig akár öngyilkossági kísérletig is eljuthatnak. Azoknak a betegeknek a felismerése, akiknél nagyobb az önbántalmazás kockázata, kiemelt jelentőségű, mert lehetővé teszi a szakemberek számára, hogy időben beavatkozzanak és megfelelő támogatást nyújtsanak. A kockázat pontos előrejelzése azonban eddig rendkívül nehéznek bizonyult.
A Hongkongi Egyetem kutatói most egy olyan új predikciós modellt dolgoztak ki, amely jó pontossággal képes előre jelezni, hogy a depresszióval diagnosztizált személyek közül kiknél fokozott az önkárosítás veszélye. A Molecular Psychiatry folyóiratban bemutatott modell hozzájárulhat a személyre szabottabb kezelési tervek kialakításához. A kutatócsoport vezetője, Wing Chung Chang hangsúlyozta, hogy a depresszió világszerte jelentős terhet ró az egészségügyi rendszerekre, és szorosan összefügg az önbántalmazással és az öngyilkossággal, amelyek komoly népegészségügyi problémát jelentenek. Rámutatott, hogy eddig kevés adat állt rendelkezésre olyan predikciós modellek fejlesztéséhez, amelyek képesek lennének frissen diagnosztizált depressziós betegek önkárosítási kockázatának pontosan becslésére. Az elektronikus egészségügyi nyilvántartások azonban hatalmas, rutinszerűen gyűjtött klinikai adatbázist jelentenek, amely alkalmas lehet ilyen modellek létrehozására.
A kutatók több mint százezer depresszióval diagnosztizált hongkongi beteg húsz évre visszanyúló egészségügyi adatait elemezték. A LASSO‑módszerrel és regressziós modellekkel egyéves előrejelző algoritmust fejlesztettek ki, amely a betegek demográfiai jellemzőit, gyermekkori bántalmazásra utaló adatokat, testi és pszichiátriai társbetegségeket, korábbi önbántalmazást, pszichiátriai ellátás igénybevételét és pszichotróp gyógyszerek használatát egyaránt figyelembe vette. A kutatócsoport azonosította az önkárosítással összefüggő tényezőket, majd ezek alapján egy- és hároméves előrejelző modelleket hozott létre. A modelleket Hongkong hét ellátási körzetéből hatnak az adataival fejlesztették, majd a hetedik körzet adataival validálták. Az eredmények szerint a modellek jó pontossággal különítették el a magasabb kockázatú betegeket, és teljesítményük életkor és nem szerinti bontásban is stabil maradt.
A legfontosabb kockázati tényezők közé tartozott a korábbi önkárosítás, a pszichiátriai kórházi kezelés és a szerhasználati zavarok. Ezzel szemben az antidepresszánsok vagy a lítium alkalmazása alacsonyabb önkárosítási kockázattal járt együtt. A validált modell így pontosan képes azonosítani azokat a betegeket, akiknél a depresszió diagnózisát követően nagyobb az önkárosítás valószínűsége, és támogatja a személyre szabott kockázatbecslést és a korai beavatkozást.
A kutatók szerint a modell tovább finomítható, és a jövőben akár más régiók betegpopulációin is validálható, ami elősegítheti, hogy a klinikai gyakorlatban is alkalmazhatóvá váljon. Hosszabb távon ez a megközelítés hozzájárulhat ahhoz, hogy a depresszióval élő betegek időben megkapják a szükséges támogatást, és csökkenjen az önkárosítás és az öngyilkosság kockázata.
Írásunk az alábbi közlemények alapján készült:
A new algorithm can spot who may be headed for self-harm before warning signs become obvious
Irodalmi hivatkozás:
Heidi Ka Ying Lo et al, Prediction of self-harm in people with newly-diagnosed depression: development and validation of risk prediction models, Molecular Psychiatry (2026). DOI: 10.1038/s41380-026-03555-x.























