Projeto RISE

O suicídio é uma das principais causas de morte entre jovens de 15 a 29 anos. No Brasil, as taxas aumentaram nas últimas duas décadas. Apesar de existirem estratégias de prevenção e tratamento eficazes, ainda não há métodos objetivos, amplamente utilizados no país, para avaliar e prever o risco de suicídio. O Projeto Risk of Suicide: A Brazilian Multicenter Study (RISE) busca desenvolver formas mais precisas de identificar pessoas em risco de tentativa de suicídio, especialmente aquelas que apresentam transtornos mentais. Os resultados obtidos serão incorporados à Rede de Atenção Psicossocial (RAPS), fortalecendo o cuidado em saúde mental no Brasil. O projeto é estruturado em três etapas: Validação de instrumento clínico – Em colaboração com a professora Kelly Posner (Columbia University), será realizada a validação da Columbia-Suicide Severity Rating Scale (C-SSRS) para a população brasileira. Essa escala avalia o risco atual de suicídio, auxiliando diretamente no manejo imediato de pessoas em situação de vulnerabilidade. Identificação de fatores de risco e proteção – Será conduzido um estudo observacional prospectivo multicêntrico em todo o Brasil, envolvendo 10 centros de pesquisa distribuídos pelas cinco macrorregiões do país. O objetivo é investigar variáveis sociodemográficas, clínicas, culturais, geográficas e relacionadas a eventos de vida estressantes, a fim de compreender fatores associados às tentativas de suicídio. Esse esforço reúne cerca de 50 pesquisadores de universidades ligadas a hospitais de médio e grande porte, com serviços psiquiátricos hospitalares e ambulatoriais. Modelos de previsão com inteligência artificial – Serão desenvolvidos modelos preditivos capazes de identificar pessoas com maior vulnerabilidade ao suicídio, especialmente no período crítico após a alta hospitalar. Por exemplo, 26% das mortes por suicídio em pacientes com transtorno bipolar ocorrem até seis semanas após a alta. Para esse fim, serão utilizados algoritmos de machine learning (elastic net regularization, random forest e deep learning), baseados em variáveis coletadas imediatamente antes da alta de pacientes internados. O produto final será uma calculadora de risco de fácil utilização, integrada a fluxos clínicos e prontuários eletrônicos, oferecendo suporte direto a profissionais de saúde. Nosso objetivo é fornecer ferramentas inovadoras que possibilitem a identificação precoce de pessoas em risco, contribuindo para a redução das taxas de suicídio e a preservação de vidas.