Algoritmul AI poate ajuta la identificarea tinerilor fără adăpost cu risc de abuz de substanțe
Un algoritm de inteligență artificială (AI) dezvoltat de o echipă de cercetători de la Colegiul de Științe și Tehnologii Informaționale din Penn State ar putea ajuta la prezicerea susceptibilității la tulburarea consumului de substanțe în rândul tinerilor fără adăpost și ar sugera programe personalizate de reabilitare pentru acești indivizi extrem de vulnerabili.
În timp ce multe programe au fost implementate pentru a aborda prevalența abuzului de substanțe în rândul tinerilor fără adăpost din SUA, puțini, dacă este cazul, au inclus informații bazate pe date despre factori de mediu și psihologici care ar putea contribui la probabilitatea unei persoane de a dezvolta o tulburare de consum de substanțe.
„Prevenirea proactivă a tulburării consumului de substanțe în rândul tinerilor fără adăpost este mult mai de dorit decât strategiile de atenuare reactivă, cum ar fi tratamentele medicale pentru tulburare și alte intervenții conexe”, a declarat Amulya Yadav, profesor asistent de științe și tehnologie a informației și investigator principal al proiectului. „Din păcate, majoritatea încercărilor anterioare de prevenire proactivă au fost ad-hoc în implementarea lor.”
Maryam Tabar, doctorand în informatică și autor principal al lucrării, a adăugat: „Pentru a ajuta factorii de decizie politică să elaboreze programe și politici eficiente într-o manieră principială, ar fi benefic să dezvoltăm soluții de AI și învățare automată care să poată descoperi automat un set cuprinzător a factorilor asociați cu tulburarea consumului de substanțe în rândul tinerilor fără adăpost. ”
Constatările au fost prezentate la conferința Discovery Knowledge in Database (KDD).
Pentru proiect, echipa de cercetare a construit modelul folosind datele colectate de la aproximativ 1.400 de tineri fără adăpost, cu vârste cuprinse între 18 și 26 de ani, în șase state din SUA.
Datele au fost colectate de Co-Lab de cercetare, educație și advocacy pentru stabilitate și înflorire a tinerilor (REALYST), care include Anamika Barman-Adhikari, profesor asistent de asistență socială la Universitatea din Denver și co-autor al lucrării.
Echipa de cercetare a identificat apoi factorii de mediu, psihologici și comportamentali legați de tulburarea consumului de substanțe, cum ar fi istoricul criminal, experiențele de victimizare și caracteristicile de sănătate mintală.
Ei au descoperit că experiențele adverse din copilărie și victimizarea fizică a străzii erau mai puternic legate de tulburarea consumului de substanțe decât alte tipuri de victimizare, cum ar fi victimizarea sexuală, în rândul tinerilor fără adăpost.
În plus, tulburarea de stres posttraumatic (PTSD) și depresia s-au dovedit a fi mai puternic asociate cu tulburarea consumului de substanțe decât alte tulburări de sănătate mintală în rândul acestei populații.
Apoi, echipa și-a împărțit setul de date în șase seturi de date mai mici pentru a analiza diferențele geografice. Ei au instruit un model separat pentru a prezice tulburarea consumului de substanțe în rândul tinerilor fără adăpost din fiecare dintre cele șase state, care au condiții de mediu diferite, politici de legalizare a drogurilor și asociații de bande. Echipa a găsit mai multe variații specifice locației în nivelul asocierii unor factori, potrivit Tabar.
"Privind ceea ce a învățat modelul, putem afla în mod eficient factori care pot juca un rol corelațional cu persoanele care suferă de tulburări de abuz de substanțe", a spus Yadav. „Și odată ce cunoaștem acești factori, suntem mult mai exacți în măsură să prezicem dacă cineva suferă de consumul de substanțe.”
El a adăugat, „Așadar, dacă un planificator de politici sau un intervenționist ar dezvolta programe care vizează reducerea prevalenței tulburărilor de abuz de substanțe, acest lucru ar putea oferi orientări utile”.
Alți autori ai lucrării KDD includ Dongwon Lee, conferențiar universitar, și Stephanie Winkler, doctorandă, ambii la Colegiul Penn State de Științe și Tehnologie a Informației; și Parcul Heesoo al Universității Sungkyunkwan.
Yadav și Barman-Adhikari lucrează la un proiect similar prin care au dezvoltat un agent software care proiectează programe de reabilitare personalizate pentru tinerii fără adăpost care se luptă cu dependența de opioide. Rezultatele lor de simulare arată că agentul software - numit CORTA (Comprehensive Opioid Response Tool Driven by Artificial Intelligence) - depășește liniile de bază cu aproximativ 110% în minimizarea numărului de tineri fără adăpost care suferă de dependență de opioide.
„Am vrut să înțelegem care sunt problemele cauzale din spatele persoanelor care dezvoltă dependența de opiacee”, a spus Yadav. „Și apoi am vrut să atribuim acești tineri fără adăpost la programul de reabilitare adecvat.”
Yadav explică faptul că datele colectate de peste 1.400 de tineri fără adăpost din SUA au fost folosite pentru a construi modele de IA pentru a prezice probabilitatea dependenței de opioide în rândul acestei populații. După analizarea problemelor care ar putea fi cauza de bază a dependenței de opioide - cum ar fi istoricul asistenței medicale sau expunerea la violența de stradă - CORTA rezolvă noi formulări de optimizare pentru a atribui programe de reabilitare personalizate.
„De exemplu, dacă o persoană a dezvoltat o dependență de opioide pentru că era izolată sau nu avea un cerc social, atunci poate ca parte a programului de reabilitare ar trebui să discute cu un consilier”, a explicat Yadav.
„Pe de altă parte, dacă cineva a dezvoltat o dependență pentru că era deprimat pentru că nu-și găsea un loc de muncă sau își plătea facturile, atunci un consilier în carieră ar trebui să facă parte din planul de reabilitare.”
Yadav a adăugat: „Dacă pur și simplu tratezi afecțiunea din punct de vedere medical, odată ce se vor întoarce în lumea reală, deoarece problema cauzală rămâne în continuare, este probabil să recidiveze”.
Sursa: Penn State
