Der Gedanke klingt bestechend: Wenn künstliche Intelligenz riesige Mengen an Gesundheitsdaten durchsucht, könnte sie Muster entdecken, die Ärztinnen und Ärzte übersehen. Forschungsgruppen weltweit haben daher Algorithmen entwickelt, die mithilfe von Krankenakten, Registerdaten oder psychologischen Fragebögen das Risiko für Suizid oder Selbstverletzung bei Patientinnen und Patienten einschätzen sollen. Eine Metastudie, die im Fachblatt »PLOS Medicine« erschienen ist, dämpft diese Erwartungen an KI jedoch: Sie sage Suizidversuche bislang nicht zuverlässig vorher.

Ein Team um den Epidemiologen Matthew J. Spittal von der University of Melbourne hat 53 Studien zum Thema zusammenfassend ausgewertet. Gemeinsam umfassten sie Daten von rund 35 Millionen Menschen und etwa 249 000 Vorfälle von Suizid oder Selbstverletzung. Das Ergebnis war ernüchternd: Zwar können die Programme in vielen Fällen mit recht hoher Genauigkeit ausschließen, dass sich jemand etwas antun wird. Doch wenn sie eine Person als »hochgefährdet« einstuften, stimmte das nur selten. Die Prognosesysteme schlugen viel zu oft falschen Alarm. In Bevölkerungsgruppen, in denen Suizide besonders selten sind, war ihre Vorhersage fast wertlos – nur eine von tausend Warnungen traf zu. Etwas besser sah es in Gruppen mit sehr hoher Gefährdung aus, etwa nach einem Klinikaufenthalt wegen Selbstverletzung: Hier war die Warnung der KI immerhin in rund zwei Dritteln der Fälle begründet.

Damit sind die Systeme kaum besser als traditionelle Einschätzungen durch medizinisches Personal. In der Praxis sind die Trefferquoten demnach zu niedrig, um wirklich hilfreich zu sein. Maschinelles Lernen bringt also bisher nicht den erhofften Durchbruch. Statt auf selektive KI-Prognosen zu setzen, sollten Kliniken nach Suizidversuchen oder Selbstverletzungen allen Betroffenen gleichermaßen umfassende Nachsorge und psychotherapeutische Unterstützung bieten, fordern die Autoren.