Projeto RISE

O suicídio é uma das principais causas de morte entre jovens de 15 a 29 anos e, no Brasil, as taxas de suicídio aumentaram significativamente nas duas últimas década. Embora estratégias de tratamento e prevenção têm se mostrado efetivas, ainda não existem estratégias objetivas de avaliar e prever o risco de suicídio amplamente utilizadas no Brasil. O Projeto Risk of Suicide: A Brazilian Multicenter Study (RISE) tem como objetivo desenvolver formas mais precisas de identificar pessoas em risco de tentar suicídio, especialmente aquelas que sofrem de transtornos mentais. Os produtos desse projeto serão incorporados na Rede de Atenção Psicossocial (RAPS).

O projeto envolve tem três etapas. A primeira é uma colaboração com a professora Kelly Posner da Columbia University para validar a escala Columbia-Suicide Severity Rating Scale (C-SSRS) na população brasileira. Trata-se de uma escala que avalia o risco atual de suicídio, ajudando no manejo imediato das pessoas em risco.

A segunda etapa visa identificar fatores de proteção e risco associados às tentativas de suicídio em participantes com transtornos mentais no Brasil. O suicídio é um fenômeno transdiagnóstico. Para atingir esse objetivo, realizaremos um estudo observacional prospectivo multicêntrico em todo o Brasil, com a participação de 10 centros de pesquisa das cinco macrorregiões do país. Avaliaremos variáveis sociodemográficas, clínicas, culturais, geográficas e de eventos de vida estressantes. Este é um esforço amplo, com cerca de 50 pesquisadores de universidades afiliadas a importantes centros de saúde mental conectados a hospitais de médio e grande porte, com serviços psiquiátricos hospitalares e ambulatoriais.

A terceira etapa tem como objetivo criar modelos de previsão utilizando inteligência artificial para identificar quem está mais vulnerável, permitindo intervenções preventivas mais eficazes. Sabe-se que vários pacientes graves morrem por suicídio nos primeiros meses após a alta hospitalar. Por exemplo, um total de 26% das mortes por suicídio em pacientes com transtorno bipolar ocorre 6 semanas após a alta. Para atingir esse objetivo, utilizaremos três algoritmos de aprendizado de máquina: elastic net regularization, random forest e deep learning, acoplados a variáveis coletadas imediatamente antes da alta de pacientes internados com transtornos mentais. Uma vez desenvolvido, esse modelo será apresentado como uma calculadora de fácil utilização e incorporado aos fluxos de trabalho clínicos, incluindo prontuários eletrônicos, para ajudar os clínicos a orientar melhor seus pacientes. O objetivo final é fornecer ferramentas que ajudem profissionais de saúde a identificar precocemente quem está em maior risco e agir preventivamente, reduzindo assim as taxas de suicídio e salvando vidas.