Алгоритм ШІ, який допоможе виявити безпритульних молодих людей, яким загрожує наркоманія

Хоча впроваджено багато програм та ініціатив щодо подолання поширеності наркоманії серед безпритульних молоді в США, вони не завжди включають в себе дані, що базуються на даних про екологічні та психологічні фактори, які можуть сприяти ймовірності розвитку людини вживання наркотиків. розлад.

Тепер алгоритм штучного інтелекту (AI), розроблений дослідниками Коледжу інформаційних наук та технологій в штаті Пенн, може допомогти передбачити сприйнятливість до розладу вживання речовин серед молодих безпритульних людей та запропонувати персоналізовані програми реабілітації для дуже сприйнятливої ​​безпритульної молоді.

"Активна профілактика розладу вживання наркотиків серед безпритульної молоді набагато бажаніша, ніж реактивні стратегії пом'якшення наслідків, такі як медикаментозне лікування розладу та інші пов'язані з цим втручання", — сказала Амулія Ядав, доцент кафедри інформаційних наук та технологій та головний дослідник проекту. "На жаль, більшість попередніх спроб превентивної профілактики були спеціальними в їх здійсненні".

"Щоб допомогти розробникам політики в розробці ефективних програм та політик принципово, було б корисно розробити рішення AI та машинного навчання, які можуть автоматично виявити комплексний набір факторів, пов'язаних із розладом вживання наркотиків серед безпритульних молодих людей", — додала Мар'ям Табар, докторант з інформатики та головний автор проекту, який буде представлений на конференції «Відкриття знань у базах даних» (KDD) наприкінці серпня.

У цьому проекті дослідницька група побудувала модель, використовуючи набір даних, зібраний приблизно від 1400 безпритульних молоді у віці від 18 до 26 років у шести штатах США. Набір даних було зібрано спільно лабораторією з питань досліджень, освіти та адвокації для стабільності та процвітання молоді (REALYST), до якої входить Анаміка Барман-Адхікарі, доцент кафедри соціальної роботи в Денверському університеті та співавтор статті.

Потім дослідники визначили екологічні, психологічні та поведінкові фактори, пов’язані з порушенням вживання наркотичних речовин серед них — такі як кримінальна історія, досвід віктимізації та особливості психічного здоров'я. Вони виявили, що несприятливий дитячий досвід та фізична віктимізація на вулиці були сильніше пов'язані з розладом вживання наркотиків, ніж інші види віктимізації (такі як сексуальна віктимізація) серед безпритульних молоді. Крім того, було виявлено, що ПТСР та депресія сильніше пов'язані з розладом вживання речовин, ніж інші розлади психічного здоров'я серед цієї групи населення, вважають дослідники.

Далі, дослідники поділили свій набір даних на шість менших наборів даних для аналізу географічних відмінностей. Команда підготувала окрему модель для прогнозування розладу наркоманії серед безпритульної молоді в кожному з шести штатів, які мають різні екологічні умови, політику легалізації наркотиків та асоціації банди. За даними Tabar, команда спостерігала декілька варіацій, що залежать від місцеположення деяких факторів.

"Дивлячись на те, що вивчила модель, ми можемо ефективно з’ясувати фактори, які можуть грати кореляційну роль з людьми, які страждають від розладу наркоманії", — сказав Ядав. "І коли ми знаємо ці фактори, ми набагато точніше можемо передбачити, чи страждає хтось від вживання речовин".

Він додав: "Отже, якщо планувальник політики чи інтервенціоніст розроблять програми, спрямовані на зменшення поширеності розладу наркоманії, це може дати корисні рекомендації".

Інші автори доповіді KDD включають доцента Лі, доцента, та Стефані Вінклер, докторант, обидві в Пеннському державному коледжі інформаційних наук та технологій; і парк Heesoo університету Сунгкюнкван.

Ядав та Барман-Адхікарі співпрацюють над аналогічним проектом, завдяки якому вони розробили програмний агент, який розробляє персоналізовані програми реабілітації для безпритульних молоді, які страждають на опіоїдну залежність. Результати їх моделювання показують, що програмний агент — під назвою CORTA (Комплексний інструмент реагування на опіоїди, керований штучним інтелектом) — виконує вихідні показники приблизно на 110%, мінімізуючи кількість бездомних молодих людей, які страждають від опіоїдної залежності.

"Ми хотіли зрозуміти, які причинно-наслідкові проблеми стоять за людьми, що розвиваються наркотичною залежністю", — сказав Ядав. "І тоді ми хотіли призначити цю бездомну молодь відповідною програмою реабілітації".

Ядав пояснив, що дані, зібрані більш ніж 1400 бездомними молоддю в США, були використані для побудови моделей ШІ для прогнозування ймовірності виникнення опіоїдної залежності серед цього населення. Вивчивши проблеми, які можуть бути основною причиною опіоїдної залежності — такі як історія прийомної допомоги чи вплив на вуличному насильстві, CORTA вирішує нові рецептури оптимізації для призначення персоналізованих програм реабілітації.

"Наприклад, якщо у людини розвинулася опіоїдна залежність через те, що вони були ізольованими або не мали соціального кола, можливо, в рамках програми реабілітації вони повинні поговорити з консультантом", — пояснив Ядав. "З іншого боку, якщо хтось розвинув звикання через депресію, тому що не зміг знайти роботу або оплатити рахунки, то консультант з кар'єри повинен бути частиною плану реабілітації".

Ядав додав: "Якщо ви просто лікуєте цей стан медикаментозно, як тільки вони повернуться в реальний світ, оскільки проблема з причиною хвороби все ще залишається, вони, ймовірно, рецидивують".

Ядав та Барман-Адхікарі представлять свою роботу про CORTA, "Оптимальна та недискримінаційна реабілітаційна програма реабілітації опіоїдної залежності серед безпритульних молодих людей", на Міжнародній спільній конференції з питань штучного інтелекту — Тихоокеанської міжнародної конференції з питань штучного інтелекту (IJCAI-PRICAI) , який повинен був відбутися в липні 2020 року, але він був перенесений через нову пандемію коронавірусу.

Facebook Comments