Enligt CDC, självmordsfrekvensen för individer 10-24 år har ökat med 56 % mellan 2007 och 2017. Jämfört med befolkningen i allmänhet, mer än hälften av de som upplever hemlöshet har haft självmordstankar eller försökt begå självmord, rapporterade det nationella hälsovårdsrådet för hemlösa.

Phebe Vayanos, biträdande professor i industri- och systemteknik och datavetenskap vid USC Viterbi School of Engineering har tagit hjälp av en kraftfull allierad – artificiell intelligens – för att minska risken för självmord.

"I denna forskning, vi ville hitta sätt att mildra självmordstankar och död bland ungdomar. Vår idé var att utnyttja verklig information om sociala nätverk för att bygga ett stödnätverk av strategiskt positionerade individer som kan "se upp" för sina vänner och hänvisa dem till hjälp vid behov, " sa Vayanos.

Vayanos, en associerad direktör vid USC:s Center for Artificial Intelligence in Society (CAIS), och hennes team har arbetat under de senaste åren för att designa en algoritm som kan identifiera vem i en given social grupp i verkligheten skulle vara de bästa personerna att utbildas till "portvakter" som kan identifiera varningstecken på självmord och hur man svara.

Vayanos och Ph.D. kandidat Aida Rahmattalabi, huvudförfattaren till studien "Exploring Algorithmic Fairness in Robust Graph Covering Problems, " undersökte potentialen för sociala kontakter som vänner, släktingar, och bekanta för att hjälpa till att minska risken för självmord. Deras artikel kommer att presenteras vid den trettiotredje konferensen om neurala informationsbehandlingssystem (NeurIPS) denna vecka.

"Vi vill se till att ett maximalt antal människor är uppmärksammade, med hänsyn till resursbegränsningar och osäkerheter i den öppna världens utbyggnad. Till exempel, om några av personerna i nätverket inte kan ta sig till grindvaktsutbildningen, vi vill fortfarande ha ett robust supportnätverk, " sa Vayanos.

För denna studie, Vayanos och Rahmattalabi tittade på nätet av sociala relationer mellan unga människor som upplever hemlöshet i Los Angeles, med tanke på att 1 av 2 ungdomar som är hemlösa har övervägt självmord.

"Vår algoritm kan förbättra effektiviteten av självmordsförebyggande utbildningar för denna särskilt utsatta befolkning, " sa Vayanos.

För Vayanos, effektivitet översätts till att utveckla en modell och algoritm som kan sträcka begränsade resurser så långt de kan gå. I detta scenario, de begränsade resurserna är de mänskliga grindvakterna. Denna algoritm försöker planera hur dessa individer bäst kan positioneras och tränas i ett nätverk för att se upp för andra.

"Om du är strategisk, " säger Vayanos, "du kan täcka fler människor och du kan ha ett mer robust nätverk av support."

"Genom denna studie, vi kan också hjälpa till att informera beslutsfattare som fattar beslut om finansiering av självmordsförebyggande initiativ; till exempel, genom att dela med sig det minsta antalet människor som behöver ta emot portvaktsträningen för att se till att alla ungdomar har minst en utbildad vän som kan se upp för dem, " sa Vayanos.

"Vårt mål är att skydda så många ungdomar som möjligt, sa huvudförfattaren, Rahmattalabi.

Ett viktigt mål när denna A.I. systemet är att säkerställa rättvisa och transparens.

"Vi arbetar ofta i miljöer som har begränsade resurser, och detta tenderar att oproportionerligt påverka historiskt marginaliserade och utsatta befolkningar, "sa medförfattare till studien Anthony Fulginiti, en biträdande professor i socialt arbete vid University of Denver som tog sin doktorsexamen. från USC, efter att ha börjat sin forskning med Eric Rice, grundare av USC CAIS.

"Denna algoritm kan hjälpa oss att hitta en delmängd av människor i ett socialt nätverk som ger oss den bästa chansen att ungdomar kommer att kopplas till någon som har utbildats när de hanterar resursbegränsningar och andra osäkerheter, sa Fulginiti.

Detta arbete är särskilt viktigt för utsatta befolkningar, säger forskarna, särskilt för ungdomar som upplever hemlöshet.

"En av de överraskande sakerna vi upptäckte i våra experiment baserade på sociala nätverk av hemlösa ungdomar är att befintliga A.I.-algoritmer, om den distribueras utan anpassning, resultera i diskriminerande resultat med upp till 68 % skillnad i skyddsgrad mellan raser. Målet är att göra denna algoritm så rättvis som möjligt och justera algoritmen för att skydda de grupper som har det sämre, "Sa Rahmattalabi.

USC CAIS-forskarna vill säkerställa att "gatekeeper"-täckningen av de mer utsatta grupperna är så hög som möjligt. Deras algoritm minskade partiskhet i täckning i verkliga sociala nätverk av hemlösa ungdomar med så mycket som 20%.

Sa Rahmattalabi:"Vår lösning främjar inte bara datavetenskapen genom att ta itu med ett beräkningssvårt problem, men det skjuter också gränserna för socialt arbete och riskhanteringsvetenskap genom att införa beräkningsmetoder i utformning och implementering av förebyggande program. "