热衷于自己生活的人一般是不会寻求顾问帮助或与他人讨论自己的想法。找到预测自杀风险的方法可以帮助世界范围内一百万人免于自杀。

“这是可以预防的悲剧，” 印第安那大学的精神病学家Alexander Niculescu说，他目前正在寻找自杀风险的生物标记。

由于大脑的复杂性和难以直接研究的特点，寻找自杀风险的工作主要集中于分子标记或者生物标记。这些生物标记可以帮助我们找到哪些人存在更高的自杀风险。Niculescu和他的同事在血液样品中找到了6个这样的生物标记，他们认为这些生物标记可以识别具有高自杀风险的人。研究报告近日发表在Molecular Psychiatry期刊上。

Niculescu和同事们的研究分为四个阶段。首先，他们从印第安纳大学一个从没有自杀想法到拥有高自杀风险纵向筛选中，确定了9个患有躁郁症的男子。他们测定了这9个人血细胞中基因表达的变化，并确定候选生物标记。参照之前的研究，其中41基因很可能与精神疾病和自杀相关。

在接下来的一个阶段里，研究人员研究了9个死于自杀的人的血液样本。他们将候选的41个生物标记范围缩小到13个。经过以更严格的统计测试后，Niculescu的团队留下了6个他们认为能够作为测试自杀风险的指标。

为了证实找到的这6个生物标记是否真的与自杀相关或者可以预测自杀企图，研究人员分析了患有躁郁症的42名男子和患有精神分裂症的46名男子的基因表达数据，进一步发现4个相关性最高的生物标记，特别是在躁郁症组别，这种相关性更加明显。这意味着这些生物标记并不是一种短期状态的标志，而可以预测长期风险。如果将这些生物标记与临床方法相结合，那么研究人员预测精神类疾病的准确率就可以从65％跃升至80％以上。

所预测的生物标记中，关联最强的是由SAT1基因编码的。Niculescu表示这项工作为生物学研究打开了一扇窗。”

伊利诺伊大学的精神病学家Ghanshyam Pandey说，Niculescu的工作，是在寻求精神的生物标记迈出的重要一步，但是研究的样本容量较小，在用于更大群体的临床治疗前，结果还需要被验证。Pandey说：“这是一个很大的挑战”。

Niculescu也表示这种类型的工作通常需要更大的样本容量，但他和他的同事们正在用严格的、细致的方法来剔除误报。下一步工作是比较一般人群与高危人群（患有抑郁症、承受压力或丧亲之痛）中这些生物标记的水平。他说：“自杀的不只是精神病，而是一种非常复杂的行为。”

延伸阅读

血小板水平预测自杀倾向

无独有偶，今年2月，一项发表于J Child Adolesc Psychopharmacol的研究发现，存在自杀倾向的精神疾病患者的血小板水平显著高于不存在自杀倾向的患者。这项研究为临床工作者通过实验室检查预测自杀倾向提供了可能。人体大部分疾病可通过血液或其他生物标记识别。但迄今为止，绝大部分精神疾病的评估只能通过耐心观察及长期跟踪检查病人的行为和其他外部症状，医学界对此长期存在争议。

研究者评估了每位受试者的年龄、性别、吸烟习惯和血小板数，发现血小板数与自杀倾向显著相关：存在自杀倾向的患者的血小板水平显著高于不存在此倾向的患者及健康对照组。为了证明血小板数与抑郁症无关，研究人员还比较了自杀及非自杀的抑郁症患者，结果显示，血小板数与抑郁症患者的自杀倾向存在关联。

该研究由以色列Beer-Sheva精神卫生中心的Micha Ragolsky及其同事所开展，始于1995年，至2004年结束，共选取了108名12岁到18岁之间的、未服用药物的住院病人，同时随机选取了77 名健康未成年人作为对照。研究者在研究开始前对受试者进行评估，按照是否存在自杀倾向将患有精神分裂症、双相情感障碍、抑郁症及其他精神障碍的住院病人分 为两大类，对照组均被列入非自杀组。

Micha Ragolsky称，此项研究结果对实际临床工作具有重大意义。事实上，60%存在严重自杀念头的青少年会在1年内公开这些想法并企图自杀；另据以色列疾病控制和预防部门的统计，自杀是10岁到24岁青年的第三大死因。

Micha Ragolsky还指出，该团队的下一项研究将聚焦于双相情感障碍患者，他们将试图采用血小板水平预测其可能出现的躁狂及抑郁发作。

用社交网络预测自杀行为

根据美国退伍军人管理局的调查数据显示：美国每过65分分钟就会有一个退伍军人自杀，相当于每天22人。而2012年中现役军人自杀人数达到历史新高——349人——几乎每天都会有一个现役士兵自杀。

因此Durkheim Project应运而生。Durkheim Project是一项由DARPA支持，联合众多大数据公司、科研院校和政府机构，希望通过对社交网络的状态分析，来预测士兵中自杀行为的项目——当然这一项目的最终目的是预防悲剧的发生。目前该团队正在使用大规模数据库中的机器学习来获取士兵自杀的概率。这一项目实际是从2011年开始筹划，团队在过去的两年内建立了数据收集、存储和分析的平台。他们的自杀预测模型是通过退伍军人管理局医疗记录中的非结构性临床笔记建立的：从临床笔记中通过机器学习算法获取一系列的单个关键字、词组以及多重关联的结构性模型，并且多种模型的准确性远高于单个模型预测。

与此同时，该团队还与Facebook合作，并从Twitter和Google+获取相关的分析数据。他们表示现有的预测准确率可以达到65%，而理论上随着数据规模的扩大这一精度会继续提高。一旦掌握自杀背后的真正动因，最终的目的是希望专业心理医生能由此尽快为需要的人提供帮助。

自杀预报系统

利用相似的原理，今年5月，韩国推出全球首个“自杀预报系统”，该系统被寄予助其走出“自杀共和国”阴霾之厚望。该系统的工作原理是通过SNS，实时找出与自杀有关的词汇的出现频率并结合存在的自杀因素，从而分析出自杀的危险程度。

“自杀预报系统”由成均馆大学医学院、三星首尔医院研究人员以及社会机构共同开发。基于社交网站（SNS）1.5亿用户的庞大数据库，这个系统可对物价、股价指数、日照量、气温、名人自杀效应等自杀诱因进行实时分析，提供自杀倾向走势，以降低自杀率。并有望在政府制定自杀预防政策时，以“自杀预警”“自杀警告”等方式给出参考数据。

报道称，相关研究组曾将韩国2008年和2009年的自杀统计与社交网站上自杀相关词出现频度做了关联比较分析。结果显示，当全国自杀率处于较高水平时，社交网站上相关“累”“自杀”的词语出现频率增高。通常诸如此类字样主要通过博客和“推特”以“累死了”“不想活了”等形式出现。