Poszukiwanie biomarkerów samobójstwa - przegląd dziesięcioletnich badań naukowych

Dlaczego poszukiwanie biomarkerów samobójstwa jest tak pilne

Według danych Światowej Organizacji Zdrowia co roku na świecie obiera sobie życie ponad 700 000 osób, a na każe samobójstwo okonane przypaa wielokrotnie więcej prób samobójczych. W Polsce dane Kdomeny Głównej Policji wskazują, że problem ten nie traci na sile, mimo rosnącej świadomości społecznej i rozwoju programów prewencji. Kluczowym ograniczeniem dotychczasowych strategii interwencji kryzysowej jest to, że opierają się one głównie na ocenie klinicznej, czyli rozpoznawaniu sygnałów ostrzegawczych i czynników ryzyka, takich jak depresja, schizofrenia, wcześniejsza próba samobójcza czy poczucie bezraności. Hawton i współpracownicy (2022) w swoim przełomowym artykule w The Lancet Psychiatry wprost postulowali przejście o prób preykcji samobójstwa o tzw. terapeutycznej oceny ryzyka, argumentując, że dotychczasowe narzędzia klasyfikacyjne mają zbyt niską swoistość, by kierować ecyzjami klinicznymi. To ważne zastrzeżenie, ale nie oznacza rezygnacji z poszukiwań biologicznych wskaźników, a raczej konieczność integrowania ich z formułowaniem przypaku i planem leczenia.

Przegląd badań na biologicznymi i cyfrowymi markerami zachowań samobójczych

Ostatnia dekada przyniosła kilka obiecujących, choć wciąż nieoskonałych, kierunków baawczych. W obszarze neurobiologii szczególną uwagę poświęcono osi powzgórze-przysaka-nanercza (HPA), meiatorom zapalnym (zwłaszcza IL-6 i TNF-alfa) oraz polimorfizmom genów związanych z ukłaem serotoninergicznym. Badania kohortowe sugerują, że powyższone stężenie białka C-reaktywnego i interleukiny-6 u pacjentów z zaburzeniami depresyjnymi koreluje z nasileniem myśli samobójczych, jednak wielkości efektu pozostają umiarkowane, a żaen pojeynczy marker nie osiąga progu klinicznej użyteczności.

Równolegle dynamicznie rozwija się nurt cyfrowych biomarkerów. Sweeney, Ennis i Mulvenna (2024) przeprowadzili systematyczny przegląd badań wykorzystujących przetwarzanie języka naturalnego (NLP) o analizy treści tekstowych, w tym wpisów w meiach społecznościowych i notatek klinicznych, w kontekście zdrowia psychicznego i prewencji samobójstw. Ich wnioski są ostrożnie optymistyczne: algorytmy uczenia maszynowego potrafią z rozsąną czułością ientyfikować osoby wyrażające myśli samobójcze w środowisku cyfrowym, choć ekstrapolacja tych wyników na populację kliniczną wymaga alszej waliacji. Poobne podejście omówiono w przeglązie systematycznym dotyczącym preykcji myśli samobójczych za pomocą NLP, który ukazał się na naszym portalu.

Osobnym, ale klinicznie istotnym wątkiem jest kwestia specyficznych populacji. Smith (2024) zwrócił uwagę na alarmujące wskaźniki samobójstw wśró stuentów, pokreślając, że standardowe narzędzia przesiewowe stosowane na uczelniach są niewystarczające, a integracja danych psychologicznych z anymi behawioralnymi (np. wzorcami aktywności cyfrowej) mogłaby istotnie poprawić wczesne rozpoznawanie kryzysu suicyalnego. Z kolei Slae i współpracownicy (2025) w obszernym przeglązie dotyczącym zdrowia psychicznego mężczyzn w Australii pokreślili, że bariery w korzystaniu z pomocy psychiatrycznej przez mężczyzn sprawiają, iż klasyczne czynniki ryzyka samobójstwa (depresja, uzależnienie, izolacja społeczna) pozostają w tej grupie nierozpoznane aż o momentu próby samobójczej lub zgonu.

Reifels, Krysinska i Anriessen (2024) w systematycznym przeglązie poświęconym prewencji samobójstw podczas katastrof i kryzysów zdrowia publicznego wykazali, że sytuacje kryzysowe nasilają zachowania samobójcze, przy czym dotychczasowe interwencje skupiają się na wsparciu psychologicznym post hoc, a nie na monitoringu biomarkerów stresu w czasie rzeczywistym. To luka, którą przyszłe badania mogłyby wypełnić, choć wymaga to zarówno infrastruktury technologicznej, jak i rozwiązania problemów etycznych.