A Universidade de Serviços Uniformes em Bethesda, Maryland, publicou pesquisas em Jan. 6, 2025, que mostrou modelos de aprendizado automático, um tipo de inteligência artificial, poderia prever soldados com maior risco de tentativas de suicídio após uma avaliação periódica da saúde. Em janeiro 2026, esta pesquisa evoluiu para ensaios controlados com soldados chamados de iniciativa SAFEGUARD, Grupo Avançado Focalizado em Evitação de Suicídio usando Detecção de Riscos de Algoritmo. James Naifeh, psicólogo clínico, diretor científico assistente no e professor de psiquiatria na USUÏs F. Edward Hebert School of Medicine, faz parte da equipe que irá aproveitar os dados da SAFEGUARD. Eles estão procurando їalvo programas de prevenção de suicídio para soldados de maior risco, e para desenvolver ferramentas de suporte à decisão para ajudar os provedores a identificar qual intervenção é mais provável para ajudar um soldado em particular, também conhecido como precisão ou medicina personalizada,.
SAFEGUARD testa intervenções de saúde mental em soldados em diferentes pontos de contato, como primeiro lugar de trabalho, PHA anual, ou alta de hospitalização psiquiátrica. Ele pretende medir aqueles que estão em risco de suicídio, disse Naifeh. . O suicídio é um evento devastador, mas também é um evento raro e muito difícil de prever, disse ele.
Com a mudança do panorama digital da medicina militar, a aprendizagem de máquinas oferece uma forma de direcionar intervenções mais intensivas, baseadas em evidências, para soldados com alto risco de comportamento suicida, disse Naifeh. SAFEGUARD projetado para proteger aqueles em risco. SAFEGUARD usa modelos de aprendizagem de máquina originalmente desenvolvidos pelos EUA. Estudo do Exército para Avaliar Risco e Resiliência em Membros de Serviço, conhecido como STARRS.
A equipe STARRS integrou mais do que 50 EUA Sistemas de dados administrativos do Exército e Departamento de Guerra com os registros de todos os soldados em serviço ativo a partir de 2004 para 2019. Usando esses dados, os modelos de aprendizagem automática atribuim a cada indivíduo uma pontuação de risco, representando a sua probabilidade de futuro comportamento suicida. A iniciativa SAFEGUARD irá levar os modelos STARRS que foram desenvolvidos usando registros históricos e atualizá- los usando dados médicos e pessoais em tempo real para implementar intervenções de prevenção de suicídio para soldados com alto risco previsto de suicídio.
SAFEGUARD tem atualmente três componentes focados em diferentes pontos de toque de carreira militar: Operação Força de Vida. O nível Up é projetado para os soldados nas suas primeiras atribuições entregues em uma sessão de orientação de grupo aquando da chegada.. Ele oferece ferramentas práticas, cognitivas e comportamentais (terapia de fala) baseadas em habilidades para gerenciar o estresse, regular as emoções, pensar táticamente e construir relações saudáveis,. de acordo com Naifeh. Em outras palavras, Nível Up ensina habilidades de vida para os membros jovens do serviço.
Operação Força de Vida é um programa virtual que oferece cinco intervenções em grupo para soldados com alto risco previsto de comportamentos relacionados ao suicídio. Seu treinamento de habilidades e planejamento de segurança suicida são enquadrados em resistência mental para minimizar o estigma enquanto ensinam habilidades de soldados para gerenciar comportamentos prejudiciais, disse Naifeh. Fort Hood, Texas, está inscrevendo participantes de Nível Up e Operação Força de Vida para o julgamento controlado.
A Pathfitting, que Naifeh lidera, está recrutando soldados em todo o país que tiveram cuidados psiquiátricos hospitalares hospitalares em hospitais militares. Os participantes recebem tratamento como habitual ou tratamento como habitual, além de uma intervenção intensiva de gestão de casos, disse Naifeh. Profissionais de saúde mental treinados e supervisionados centralmente executam o programa de telesanté de seis meses. É baseado em dois programas existentes de gestão de casos baseados em evidências e adaptados para soldados de serviço ativo. . Ao fornecer esse suporte adicional e ajudar os soldados a identificar recursos que podem ajudá- los, esperamos reduzir a taxa de comportamento suicida nesse grupo, disse Naifeh. ї Esta abordagem visa melhorar o bem- estar dos soldados e contribuir para uma força mais saudável.
Aprimorando os preditores de risco de suicídio na triagem. Uma razão pela qual o SAFEGUARD usa algoritmos de aprendizagem automática baseados em dados administrativos é que pesquisas anteriores indicaram que os soldados ї são menos propensos a relatar sintomas de saúde mental e pensamentos suicidas quando o Exército pode ver suas respostas do que quando as respostas são anônimas ou confidenciais, ї de acordo com Naifeh. "Encontramos muito poucos soldados relataram pensamentos suicidas em seu PHA," Naifeh disse em maio 28 Artigo da USU sobre sua pesquisa, destacando uma lacuna séria no processo de triagem atual. "Na verdade, 99.8% de soldados negaram ter pensamentos suicidas quando completaram a PHA,. Como resultado, 95% de tentativas de suicídio que ocorreram no 6 meses após um PHA estar entre os soldados que negaram ter pensamentos suicidas durante o PHA.
Com a implementação de modelos de aprendizagem automática, a capacidade de identificar aqueles em risco de suicídio no estudo aumentou substancialmente. "Baseado no nosso modelo preferido, o 25% de Soldados com a conta de risco mais elevada prevista para cerca de 70% das tentativas de suicídio ocorridas nos seis meses seguintes ao PHA. Isto é conhecido como concentração de risco, disse ele.
SAFEGUARD e disponibilidade militar. SAFEGUARD contribui para a prontidão dos guerreiros ao alcançar os soldados com as habilidades e o apoio que eles precisam em pontos chave no serviço militar, disse Naifeh. Se tiver sucesso na prevenção do comportamento suicida, SAFEGUARD contribuirá para a prontidão do guerreiro, reduzindo a devastadora família, unidade e perturbação organizacional associada ao suicídio. Após os testes SAFEGUARD, a iniciativa poderia ser implementada para os outros serviços, sugeriu Naifeh. No entanto, este esforço exigiria o.algum trabalho inicial para desenvolver e testar modelos de aprendizado automático usando dados específicos do serviço..