王焓骁 ，康艾嘉 ，赵玉宝 ，赵福容 ，蒋晓江 ，郝凤仪 ，*，唐向东

（1.重庆两江新区第一人民医院，重庆 401120；2.中国人民大学，北京 100872；3.多伦多大学，加拿大多伦多 M5S 2E8；4.杭州安肯医疗科技有限公司，浙江 杭州 311121；5.陆军特色医学中心，重庆 400042；6.四川大学华西医院睡眠医学中心，四川 成都 610041*通信作者：郝凤仪，E-mail：fengyihao@cqljrmyy.com）

自杀是个体蓄意或自愿采取各种手段结束自己生命的行为，自杀死亡占所有死亡人数的1.4%［1］。既往研究［2］阐述了潜在的自杀风险因素，包括心理健康状况、经济社会地位、文化和道德因素等，为自杀风险评估提供了理论模型，但传统统计分析方法处理复杂数据的能力有限，且研究同质性强，导致模型仅在较狭窄的限定范围内有意义［3］。且由于自杀意念的隐蔽性，既往自杀预测方法难以对高危人群做出准确的、主动的识别［4-5］。

机器学习是人工智能（Artificial Intelligence，AI）学科的重要分支，它使用计算机模拟人类学习过程，并通过不断适应新数据以优化算法，从而提高模型的预测准确性［6］，是一类能从数据中自动分析并掌握规律，再利用规律对未知数据进行预测的方法。与传统分析方法相比，机器学习能为给定数据集确定最有效的模型，并且更适合处理复杂数据［7］，但需要更大的数据集来构建预测模型。目前在自杀预测领域常用的算法有随机森林、支持向量机、神经网络、自然语言、深度学习等，均表现出良好潜力。近年来，自杀意念的表达不再局限于口头形式，通过电子手段（包括论坛、博客、轻博客、即时消息、电子邮件、私信等）表达痛苦和自杀意念的情况逐渐增多。……