一项开创性的研究显示使用机器学习的潜力和先进的核磁共振成像技术来识别paedophilic犯罪者(PO),有助于提高早期检测和预防儿童性虐待的努力(CSA)。
研究人员使用一个线性支持向量机,一种机器学习算法,分析14 PO个人和15名健康的脑部扫描控制(HC)人。AI工具成功地歧视两组之间的平衡精度为75.5%,敏感性为64.3%,特异性为86.7%。的发现发表在《华尔街日报》吗精神病学前沿。
领导的研究小组,在神经影像领域的专家,专注于白质结构完整性的关键脑区与性行为和有关决策。这些领域包括前额叶皮层、前扣带皮层,杏仁核,胼胝体。白质微结构的研究人员发现,特定的模式在这些地区与以前的儿童受害者的数量有关,个体当前的立场性,专业的风险评估未来的性暴力。
这项研究的结果对改善举行重大影响高风险paedophilic犯罪者的早期检测和预防未来CSA的实例。目前CSA的诊断和风险评估方法通常局限于临床工具和保险精算的仪器,它可能无法提供全面了解底层paedosexual行为的神经生物学因素。通过探讨mri的潜在生物标志物和白质显微组织模式,本研究铺平了道路更准确和有效的风险评估和干预策略。
虽然研究结果只是初步的、探索性的,他们希望展示潜力的评估结合先进的神经影像技术和机器学习算法CSA的风险。AI模型能够正确识别健康控制个人在外部的53个参与者样本外特异性94.3%。这种高水平的准确性可能导致更有效的执法工具的发展和心理健康专家来识别和管理高危个体。
儿童性虐待仍然是一个重要的全球问题与持久的个人和社会后果,与高风险paedophilic罪犯识别和干预的重要性不能被夸大。小说的发展战略的早期检测和预防CSA对降低其患病率和影响是至关重要的。结合先进的神经影像技术与先进的机器学习技术,这项研究代表了一个正在进行的努力向前迈出的重要一步。战斗CSA。
研究人员提醒说,进一步的研究需要更大的样本量和更广泛的人群来验证和扩展这些发现。此外,伦理性考量的上下文中使用这些技术的风险评估和潜在因为必须被小心地得到解决,但这项研究的结果作为一个强大的跨学科合作的潜能的提醒在解决紧迫的社会问题。
这个开创性的研究已经发现了一个潜在的神经生物学的相关高危paedophilic罪犯和突出了mri的潜在生物标志物和白质微结构模式为未来CSA风险评估和预防工作。虽然结果是初步的,希望他们提供更有效的工具和战略的发展与高危个体识别和干预,最终有助于减少全球儿童性虐待的患病率和影响。
