مطالعهای تازه در Translational Psychiatry از یادگیری ماشین توضیحپذیر برای ترکیب اطلاعات ارتباط اجتماعی، ژنتیک و پروتئینهای خون در بررسی افکار خودکشی و افسردگی اساسی استفاده کرده است. پژوهش روی دادههای ۱۳٬۰۸۵ شرکتکنندهٔ UK Biobank انجام شد و نشان داد شاخصهای مربوط به گسست اجتماعی، بهویژه احساس تنهایی و انزوا، از دادههای پروتئومی بهتنهایی قدرت تفکیک بیشتری داشتند. این نتیجه یک ابزار تشخیص یا پیشبینی قطعی برای فرد نیست.
هوش مصنوعی چگونه به کار رفت؟
پژوهشگران چند خانوادهٔ مدل نظارتشده، از رگرسیونهای منظمشده تا مدلهای تقویتی و تجمعی، را روی ۲۳ شاخص ارتباط اجتماعی و هزاران ویژگی پروتئومی آزمودند. انتخاب ویژگی و تنظیم مدل درون اعتبارسنجی متقاطع تکرارشوندهٔ پنجبخشی انجام شد و اهمیت جایگشتی برای ساخت امتیازهای قابلتوضیح به کار رفت. دادههای ژنتیکی نیز در قالب امتیازهای خطر چندژنی برای افسردگی اساسی و اقدام به خودکشی وارد تحلیل تعامل و میانجیگری شدند.
در این خبر، AI نقش مرکزی دارد: مدلهای یادگیری ماشین برای تبدیل دادههای اجتماعی و زیستی به امتیاز خطر و رتبهبندی عوامل مؤثر استفاده شدند. با این حال، الگوریتمها جای مصاحبهٔ بالینی را نگرفتند و کاربرد بالینی آنها در محیط واقعی آزمایش نشد.
نتایج اصلی چه بود؟
امتیازهای مبتنی بر ارتباط اجتماعی در تحلیلهای مقطعی، افراد دارای و فاقد افکار خودکشی را با AUC حدود ۰٫۷۰ تا ۰٫۷۳ تفکیک کردند. در میان عوامل اجتماعی، مؤلفههای کارکردی مانند «احساس تنهایی» و «احساس انزوا» بیشترین سهم را داشتند. در زیرنمونهٔ ۱۳۵۳ نفری دارای دادهٔ پروتئومی، عملکرد پروتئینها بهتنهایی محدودتر بود.
در تحلیل طولی، امتیاز خطر اجتماعی در خط پایه با بروز افکار خودکشی شش سال بعد ارتباط داشت، حتی پس از تعدیل برخی متغیرهای جمعیتشناختی. مدلهای معادلات ساختاری نیز گسست اجتماعی را بهعنوان میانجی آماری میان استعداد ژنتیکی و افکار خودکشی یا افسردگی نشان دادند. «میانجی آماری» در یک مطالعهٔ مشاهدهای به معنای اثبات مسیر علّی نیست؛ ممکن است عوامل اندازهگیرینشده یا جهت معکوس رابطه بخشی از یافته را توضیح دهند.
محدودیتهایی که تیتر نباید پنهان کند
تعریف افکار خودکشی بر یک پرسش خودگزارشی دربارهٔ «بیارزش دانستن زندگی» تکیه داشت و بنابراین با ارزیابی جامع بالینی یکسان نیست. نمونه عمدتاً از افراد با تبار اروپایی تشکیل شده بود، دادهٔ پروتئومی فقط برای بخش کوچکی از نمونه وجود داشت و هیچ مجموعهدادهٔ مستقل خارجی برای اعتبارسنجی مدل استفاده نشد. پژوهشگران همچنین نوشتهاند ارتباطهای پروتئومی پس از اصلاح آزمونهای متعدد پایدار نماندند.
ارزش خبر در نشان دادن این نکته است که افزودن دادههای زیستی پیچیده الزاماً از اطلاعات اجتماعیِ سادهتر و قابلفهمتر بهتر عمل نمیکند. پیش از هر استفادهٔ غربالگری، مدل باید در جمعیتهای متنوع، با ارزیابی بالینی دقیق و اعتبارسنجی خارجی بررسی شود. این یافته نباید برای برچسبزدن به افراد یا برآورد خطر فوری به کار رود.
منبع: Li و همکاران، Translational Psychiatry، منتشرشده در ۷ سپتامبر ۲۰۲۶؛ DOI: 10.1038/s41398-026-04276-z.
