基于自适应强化学习的自杀意念动态采样系统：ARES-SI

《npj Mental Health Research》：ARES-SI: adaptive reinforcement-enhanced sampling for suicidal ideation

　　

摘要

自杀意念（SI）在个体内部波动迅速，但标准的生态瞬时评估（EMA）使用固定时间表，会错过关键的风险窗口。我们提出了 ARES-SI（自适应强化增强自杀意念采样），一个根据个体风险模式个性化 EMA 时机的强化学习系统。ARES-SI 结合随机森林模型来预测活跃自杀意念概率和未响应可能性，并利用 Q 学习算法确定最佳评估间隔（高风险状态下 30 分钟，低风险状态下 3 小时，次日以减少负担）。我们使用来自三项研究的 98 名参与者的 EMA 数据训练了该系统，采样频率各异（每天 4–15 次评估；2359 个活跃自杀意念阳性响应），持续 28 天的方案。在验证测试中（N = 34；374 个活跃自杀意念阳性响应），随机森林模型对活跃自杀意念的 AUC 达到 0.865，对未响应的 AUC 达到 0.750。ARES-SI 展示了比随机调度高 65% 的动作选择准确率（0.781 对比 0.474；宏平均 F1 = 0.650 对比 0.377），并对高风险窗口有更强的检测能力（30 分钟召回率 = 0.810 对比 0.392）以及高效的低风险调度（3 小时精确率 = 0.972 对比 0.876）。这些发现提供了初步证据，表明强化学习可以根据瞬时风险调整评估时机。