Resumo Técnico: SuiChat-CN

Declaração do Problema

O suicídio permanece um desafio crítico de saúde pública global, exigindo estratégias de prevenção tempestivas e eficazes. Embora a pesquisa computacional tenha avançado na detecção de risco de suicídio em plataformas de mídia social baseadas em publicações (como Twitter e Weibo), essas abordagens dependem da análise isolada de mensagens. Esse paradigma é insuficiente para ambientes de mensagens instantâneas (MI) como chats de grupo no Telegram, que exibem propriedades linguísticas e interacionais distintas:

• Fragmentação e Brevidade: As mensagens são curtas e frequentemente carecem de contexto independente.
• Dinâmicas Multilaterais: As conversas envolvem múltiplos participantes, exigindo o rastreamento da alternância de turnos e dos papéis dos falantes.
• Nuances Implícitas e Culturais: Sinais de risco frequentemente dependem de metáforas, homófonos, gírias ou eufemismos culturalmente específicos, em vez de palavras-chave explícitas.
• Dependência de Contexto: Conforme ilustrado no artigo, uma mensagem que parece benigna isoladamente (por exemplo, "sal") pode indicar alto risco (uso de drogas) quando vista dentro do histórico conversacional.

Os conjuntos de dados existentes carecem da granularidade para modelar essas dinâmicas multivoltadas e dependentes de contexto, particularmente para a língua chinesa.

Metodologia

Os autores apresentam o SuiChat-CN, um conjunto de dados de referência e um pipeline de construção projetados especificamente para avaliação de risco de suicídio contextual em chats de grupo chineses.

1. Pipeline de Construção do Conjunto de Dados

A construção segue um pipeline de quatro etapas (Figura 3):

• Coleta de Dados: Logs brutos foram coletados de 20 grupos públicos chineses relacionados ao suicídio no Telegram (jan 2020 – jun 2025). Os dados foram anonimizados usando hash SHA-256 para remover IDs de usuários/grupos.
• Extração de Palavras-Sinal: Um léxico hierárquico de 3.508 palavras-sinal foi construído, cobrindo termos explícitos (por exemplo, menções diretas ao suicídio) e sinais implícitos (por exemplo, gírias da internet, homófonos, metáforas). Um LLM (GLM4-32B) auxiliou na extração de candidatos implícitos, que foram então validados por especialistas em psicologia.
• Expansão de Contexto: Um algoritmo de expansão de contexto bidirecional foi aplicado a mensagens suspeitas. Centrando-se em uma mensagem semente, o algoritmo expande para trás e para frente com base em restrições de lacunas temporais (MTS), tamanho de segmento (SS) e extensão (STS). Ele também recupera mensagens históricas referenciadas via links de resposta para preservar a coerência conversacional.
• Anotação: Um processo rigoroso de duas etapas envolvendo anotação piloto e anotação principal foi utilizado.
  • Taxonomia: Uma taxonomia de risco de seis classes foi definida, adaptada da Escala de Classificação de Gravidade do Suicídio de Columbia (C-SSRS):
    1. Irrelevante (Sem risco)
    2. Emoção Depressiva
    3. Ideação Suicida
    4. Método/Comportamento de Suicídio
    5. Tentativa de Suicídio
    6. Indução ao Suicídio/Agressão Verbal
  • Controle de Qualidade: Especialistas humanos e um sistema de votação multi-modelo (17 LLMs) foram usados para gerar rótulos "prateados". Consenso foi exigido ($\rho \ge 2/3$) para aceitação, com arbitragem humana para discordâncias.

2. Framework de Avaliação

Os autores avaliaram mais de 40 modelos, incluindo LLMs proprietários baseados em API (por exemplo, GPT-5, Gemini, Kimi) e modelos de pesos abertos (por exemplo, Llama, Qwen, DeepSeek), juntamente com PLMs.

• Cenários: Zero-shot, Few-shot (com exemplos de especialistas), Few-shot com palavras-chave mascaradas e Few-shot com contexto removido.
• Divulgação Parcial: Experimentos foram conduzidos onde apenas os primeiros $\tau \in \{30, 50, 70, 90, 100\}\%$ de uma conversa estavam visíveis para simular detecção em streaming em tempo real.
• Ajuste Fino (Fine-tuning): Modelos selecionados foram ajustados finamente no conjunto de dados para avaliar ganhos de desempenho.

Principais Contribuições

1. Conjunto de Dados SuiChat-CN: Um conjunto de referência contendo 13.312 segmentos contextuais derivados de 258.228 mensagens brutas de 1.406 usuários. É o primeiro conjunto de dados a focar especificamente na natureza multilateral e dependente de contexto do risco de suicídio em chats de grupo chineses.
2. Pipeline de Construção: Uma metodologia inovadora que combina descoberta de palavras-sinal, validação por especialistas e expansão de contexto bidirecional para transformar logs de chat fragmentados em unidades coerentes de avaliação de risco.
3. Benchmarks Abrangentes: Avaliação extensiva de PLMs e mais de 40 LLMs em configurações diversas (prompting, ablação, ajuste fino e contexto parcial) para estabelecer linhas de base para este domínio específico.
4. Design de Taxonomia: Uma taxonomia de risco de seis classes que equilibra a interpretabilidade clínica com as necessidades práticas do monitoramento de chats de grupo, cobrindo o espectro completo de conteúdo irrelevante a indução ativa.

Principais Resultados

• O Contexto é Crítico: Remover o contexto conversacional ou mascarar palavras-chave degradou universalmente o desempenho dos modelos. Modelos que dependiam apenas de mensagens isoladas falharam em capturar sinais de risco implícitos.
• Desempenho dos Modelos:
  • Modelos proprietários (por exemplo, Gemini-2.5-Pro, Seed-OSS-36B, Kimi-K2) geralmente superaram modelos de pesos abertos, alcançando pontuações F1 acima de 70% em configurações few-shot.
  • Entre modelos de pesos abertos, DeepSeek-R1 e Llama-3.3-70B aproximaram-se do desempenho de sistemas proprietários de nível médio.
  • O ajuste fino melhorou significativamente modelos de pesos abertos (por exemplo, Llama-3-8B viu um ganho de +59,4 pontos F1), estreitando a lacuna com sistemas proprietários, embora não pudesse compensar totalmente a falta de contexto.
• Descobertas de Divulgação Parcial:
  • Pistas de alto risco (especificamente Tentativa de Suicídio, Classe 4) foram frequentemente atrasadas na conversa. Os modelos lutaram para detectar esses riscos quando apenas os primeiros 30% do diálogo estavam visíveis.
  • A precisão para classes de alto risco melhorou significativamente à medida que mais contexto foi revelado (por exemplo, a precisão L4 para alguns modelos saltou de ~40% em 30% de divulgação para >80% em 100%).
  • Isso desafia a suposição de que pistas de risco urgentes sempre aparecem no início de um diálogo; em chats de grupo, as evidências são frequentemente distribuídas ao longo dos turnos.
• Sinais Implícitos: A análise mostrou que sinais implícitos aparecem 2,3 vezes mais frequentemente do que sinais explícitos em amostras de alto risco, destacando a necessidade de modelar expressões de risco culturalmente específicas e em evolução.

Significado e Alegações

O artigo afirma que o SuiChat-CN aborda uma lacuna crítica na avaliação de risco de suicídio ao deslocar o foco de publicações isoladas para conversas contextuais e multilaterais.

• Realismo: O conjunto de dados reflete as dinâmicas reais das mensagens instantâneas, onde o risco é frequentemente implícito e distribuído.
• Necessidade de Contexto: Os resultados demonstram que a detecção precoce confiável em chats de grupo exige a modelagem do histórico conversacional, e não apenas a correspondência de palavras-chave.
• Posicionamento Ético: Devido à sensibilidade dos dados, o conjunto de dados não é lançado publicamente. Está disponível apenas para instituições de pesquisa em saúde mental e prevenção do suicídio credenciadas, sob acordos estritos de uso de dados para garantir o uso responsável e proteger a privacidade do usuário.
• Direção Futura: O trabalho sublinha a necessidade de sistemas capazes de monitoramento contínuo e modelagem de longo contexto para identificar efetivamente sinais de risco atrasados ou distribuídos em cenários reais de MI.

Os autores enfatizam que, embora os modelos atuais mostrem promessa, os desafios da detecção precoce em ambientes multilaterais permanecem significativos, particularmente para as categorias de risco mais graves, que frequentemente exigem evidências conversacionais acumuladas para serem corretamente identificadas.