Naukowcy z McGovern Institute for Brain Research na MIT opracowali Suicide Risk Lexicon, słownik słów i fraz powiązanych z 49 czynnikami ryzyka samobójczego, oraz prosty model, który na jego podstawie szacuje poziom zagrożenia osoby piszącej na czacie kryzysowym. Model wytrenowany na około 16 tys. anonimizowanych rozmów z wolontariuszami Crisis Text Line trafnie ocenia ryzyko w rozmowach, których wcześniej nie widział, i pokazuje, które sformułowania wpłynęły na wynik.
- Naukowcy z McGovern Institute for Brain Research na MIT opracowali Suicide Risk Lexicon – słownik około 60 słów i fraz dla każdego z 49 czynników ryzyka samobójczego, stworzony przy użyciu GPT-4 Turbo i zweryfikowany przez doświadczonych klinicystów, a następnie użyty do wytrenowania modelu oceny ryzyka na około 16 tys. zanonimizowanych rozmów z wolontariuszami Crisis Text Line.
- W rozmowach z grupy najwyższego zagrożenia najsilniejszymi predyktorami okazały się wzmianki o dostępie do środków służących odebraniu sobie życia, używanie substancji psychoaktywnych oraz aktywne myśli samobójcze – nie zaś obniżony nastrój, który był jednym ze słabszych sygnałów.
- Ocenę ryzyka wykonuje lekki model działający na zwykłym komputerze osobistym, bez konieczności przesyłania danych do zewnętrznych usług, a zespół udostępnił publicznie zarówno leksykon, jak i pakiet oprogramowania do jego budowania, co umożliwia tworzenie podobnych słowników dla innych zaburzeń psychicznych.
Wyniki opisano w czasopiśmie Journal of Psychopathology and Clinical Science, a MIT ogłosił je 24 września 2026 roku. Autorzy zastrzegają, że przed użyciem w praktyce klinicznej narzędzie wymaga dalszej walidacji.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Suicide Risk Lexicon to około 60 fraz dla każdego z 49 czynników ryzyka
Podstawą narzędzia jest leksykon, czyli uporządkowana lista słów i wyrażeń przypisanych do konkretnych czynników ryzyka. Wstępną wersję wygenerował model językowy, a zespół ręcznie ją przejrzał i dopracował. Ostateczna wersja zawiera około 60 słów lub fraz dla każdego z 49 czynników ryzyka, a ich trafność potwierdzili doświadczeni klinicyści.
Według streszczenia publikacji do stworzenia słownika wykorzystano GPT-4 Turbo od OpenAI. Autorzy przekonują, że dzięki temu leksykon obejmuje większość zjawisk ważnych w ocenie ryzyka samobójczego. Istniejące, ogólne słowniki psychologiczne mierzą z góry ustalony zestaw cech i często pomijają to, co w danym zastosowaniu najważniejsze.
Za projektem stoją:
- Daniel Low, były doktorant w Senseable Intelligence Group na MIT, dziś kierownik AI, Risk, and Contemplative Science Lab w Child Mind Institute i visiting scholar na Uniwersytecie Harvarda,
- Satrajit (Satra) Ghosh, starszy pracownik naukowy MIT i dyrektor Open Data in Neuroscience Initiative w McGovern Institute,
- Crisis Text Line, globalna organizacja non-profit, która całodobowo i bezpłatnie udziela wsparcia psychicznego przez wiadomości tekstowe. Organizacja przeszkoliła badaczy i dała im kontrolowany dostęp do danych.
Model uczył się na 16 tys. rozmów prowadzonych w trakcie kryzysu
Zespół przeanalizował około 16 tys. zanonimizowanych rozmów z wolontariuszami Crisis Text Line. Rozmowy podzielono na trzy grupy według oceny samej organizacji: bez myśli samobójczych, z myślami samobójczymi bez bezpośredniego zagrożenia oraz z bezpośrednim zagrożeniem. Ostatnia grupa obejmowała osoby, które miały plan lub zamiar odebrania sobie życia w ciągu 48 godzin, i to na niej badaczom zależało najbardziej.
Daniel Low zwraca uwagę na różnicę wobec wcześniejszych badań. Czynniki ryzyka analizowano dotąd głównie na podstawie ankiet epidemiologicznych, w których ludzie po fakcie opisywali swoje objawy. Rozmowy z czatu kryzysowego pozwalają obserwować te sygnały w chwili, gdy kryzys trwa.
Model uczenia maszynowego szuka w tekście fraz ze słownika i nadaje każdemu czynnikowi wagę zależną od tego, jak mocno wiąże się z ryzykiem. Komunikat MIT nie podaje konkretnych wskaźników trafności. Według streszczenia artykułu podejście oparte na leksykonie wypadło lepiej niż popularny słownik LIWC (Linguistic Inquiry and Word Count), który słabo odzwierciedla zaburzenia psychiczne, i osiągnęło wyniki zbliżone do części nieprzejrzystych modeli głębokiego uczenia.
Najsilniejszym sygnałem zagrożenia nie był obniżony nastrój
Depresja jest dobrze znanym czynnikiem ryzyka myśli samobójczych, ale w rozmowach z grupy najwyższego zagrożenia częściej pojawiały się inne tematy. Model wskazał następujący podział:
- najsilniejsze predyktory: wzmianki o dostępie do środków, którymi można odebrać sobie życie, używanie substancji psychoaktywnych, aktywne myśli samobójcze i samookaleczenia,
- predyktory pośrednie: lęk, zespół stresu pourazowego (PTSD) i ból emocjonalny,
- słabsze sygnały: obniżony nastrój, zmęczenie i wyrażenia beznadziei.
Autorzy piszą w streszczeniu, że w tych naturalnych warunkach aktywne myśli samobójcze i bezpośrednie samookaleczenia okazały się silniejszymi wskaźnikami bezpośredniego zagrożenia niż bierne myśli samobójcze i obniżony nastrój. MIT podkreśla, że wyniki są spójne z wcześniejszymi badaniami, choć nie zawsze intuicyjne.
Wypełnij formularz, a my skontaktujemy się z Tobą, aby upewnić się czego potrzebujesz.
GPT-4 Turbo przygotował słownik, ale ocenę wykonuje prosty model na zwykłym komputerze
Duży model językowy pomógł zbudować leksykon, ale samą ocenę ryzyka wykonuje lekki model, który działa na zwykłym komputerze osobistym. Low podkreśla, że obniża to koszty i ogranicza problemy z prywatnością, bo wrażliwe rozmowy nie muszą trafiać do zewnętrznych usług.
Drugą zaletą jest przejrzystość. Model nie podaje samej liczby, tylko zaznacza frazy, które wpłynęły na ocenę. Konsultant widzi więc, dlaczego rozmowa została oznaczona jako groźna, i może na tej podstawie działać. MIT przyznaje przy tym, że niektóre modele głębokiego uczenia mogą samo oszacowanie ryzyka wykonywać skuteczniej.
Leksykony mają też wyraźne ograniczenia. Nie rozumieją kontekstu i mogą przeoczyć wyrażenia podobne do tych ze słownika, ale w nim nieuwzględnione. Zespół Lowa pracuje w innych projektach również z dużymi modelami językowymi, ale leksykon stosuje równolegle, żeby mieć pewność, że określone sformułowania zawsze zostaną wychwycone.
Uważam, że w tym badaniu ważniejsze od samego wyniku jest to, jak zaprojektowano narzędzie. Zespół użył dużego modelu językowego tam, gdzie jest najmocniejszy, czyli do szybkiego zebrania słownictwa, a decyzję zostawił prostemu mechanizmowi, który da się sprawdzić i wytłumaczyć. W obszarze zdrowia psychicznego to rozsądna kolejność.
Widzę jednak kilka pytań bez odpowiedzi. Komunikat nie podaje wskaźników trafności, a każdy model tego typu popełnia dwa rodzaje błędów: przeocza osoby w realnym zagrożeniu albo przeciąża konsultantów fałszywymi alarmami. Nie wiemy też, jak narzędzie zachowa się w innych językach i kulturach, bo ludzie w kryzysie często nie nazywają swojego stanu wprost. Wreszcie pozostaje kwestia zaufania. Jeśli osoba pisząca na czat dowie się, że jej wiadomości analizuje algorytm, czy nie zacznie pisać mniej szczerze?
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Autorzy: człowiek musi zostać w procesie oceny ryzyka
Satra Ghosh podkreśla, że ocena ryzyka samobójczego to na tyle złożona dziedzina, że udział człowieka będzie według niego niezbędny „jeszcze przez bardzo, bardzo długi czas” / „going to be critical for a long, long time”.
Badacze dodają, że każdy model predykcyjny trzeba gruntownie zweryfikować przed zastosowaniem klinicznym. Może też wymagać ciągłego dostrajania, bo zmienia się język, którym ludzie opisują swój stan, i zmieniają się populacje korzystające z pomocy.
Zespół udostępnia publicznie zarówno leksykon, jak i pakiet oprogramowania, którym go zbudował. Inni badacze mogą w ten sposób tworzyć słowniki dla innych zaburzeń psychicznych. Według Lowa Suicide Risk Lexicon jest już używany w badaniach nad tekstami z mediów społecznościowych i elektronicznej dokumentacji medycznej.
W Polsce dochodzi do niemal 4,8 tys. zgonów samobójczych rocznie
Według danych Komendy Głównej Policji w 2025 roku w Polsce w wyniku samobójstwa zmarło 4 776 osób. To trzeci z rzędu rok spadku, ale liczba prób samobójczych drugi rok z rzędu przekroczyła 10 tys. W grupie dzieci i młodzieży policja odnotowała 1 925 prób, a liczba zgonów wzrosła ze 127 w 2024 roku do 161 w 2025 roku.
Polskie linie wsparcia również prowadzą rozmowy tekstowe. Czat i kontakt mailowy oferują m.in. Centrum Wsparcia dla Osób Dorosłych w Kryzysie Psychicznym, Telefon Zaufania dla Dzieci i Młodzieży 116 111 oraz Rzecznik Praw Dziecka.
Nie znalazłem informacji, żeby którakolwiek z tych instytucji testowała automatyczną ocenę ryzyka w rozmowach. To moja interpretacja, ale metoda MIT nie przeniesie się do Polski automatycznie: Suicide Risk Lexicon powstał dla języka angielskiego. Polska wersja wymagałaby osobnego słownika, zweryfikowanego przez polskich klinicystów, i sprawdzenia na polskich rozmowach. Udostępnione przez zespół narzędzie do budowy leksykonów teoretycznie to umożliwia.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Gdzie szukać pomocy w Polsce
Jeśli przeżywasz kryzys albo martwisz się o bliską osobę, możesz skorzystać z bezpłatnych linii wsparcia:
- 800 70 2222: Centrum Wsparcia dla Osób Dorosłych w Kryzysie Psychicznym, całodobowo, czat na centrumwsparcia.pl,
- 116 123: Kryzysowy Telefon Zaufania dla dorosłych, całodobowo,
- 116 111: Telefon Zaufania dla Dzieci i Młodzieży, całodobowo, czat i kontakt mailowy na 116111.pl,
- 800 12 12 12: Dziecięcy Telefon Zaufania Rzecznika Praw Dziecka,
- 112: numer alarmowy w sytuacji bezpośredniego zagrożenia życia.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym komunikatu MIT News z dnia 24.09.2026, publikacji naukowej Daniel M. Low i in. „Using large language models to create lexicons for interpretable text models with high content validity: The Suicide Risk Lexicon” w Journal of Psychopathology and Clinical Science (DOI: 10.1037/abn0001152) oraz materiału Child Mind Institute. Polskie dane pochodzą z danych Komendy Głównej Policji omówionych przez Dziennik Gazetę Prawną oraz Fundację GrowSPACE.
Cytat Satrajita Ghosha, starszego pracownika naukowego MIT i dyrektora Open Data in Neuroscience Initiative w McGovern Institute, został zweryfikowany z oryginalnym anglojęzycznym materiałem źródłowym.
Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl.
Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji na temat Suicide Risk Lexicon i wykorzystania AI w ocenie ryzyka samobójczego.
