Algoritem umetne inteligence lahko pomaga identificirati brezdomno mladino v nevarnosti zaradi zlorabe snovi

Algoritem umetne inteligence (AI), ki ga je razvila raziskovalna skupina s Visoke šole za informacijske znanosti in tehnologijo v Penn Stateu, bi lahko pomagal napovedati dovzetnost za motnje uporabe snovi med brezdomnimi mladimi in predlagal prilagojene programe rehabilitacije za te zelo ranljive posameznike.

Medtem ko je bilo v ZDA izvedenih veliko programov za odpravljanje razširjenosti zlorabe substanc med brezdomno mladino v ZDA, je le malo teh vključevalo podatke o okolju in psiholoških dejavnikih, ki bi lahko prispevali k verjetnosti, da bi oseba razvila motnjo uživanja snovi.

"Proaktivno preprečevanje motenj pri uživanju substanc med brezdomnimi mladimi je veliko bolj zaželeno kot reaktivne omilitvene strategije, kot so zdravljenja te motnje in druge s tem povezane intervencije," je dejala Amulya Yadav, docentka za informacijske znanosti in tehnologijo in glavna raziskovalka pri projektu. "Na žalost je bila večina prejšnjih poskusov proaktivnega preprečevanja ad hoc pri njihovem izvajanju."

Maryam Tabar, doktorska študentka informatike in vodilna avtorica prispevka, je dodala: "Da bi oblikovalcem politik pomagali pri načelni zasnovi učinkovitih programov in politik, bi bilo koristno razviti rešitve za umetno inteligenco in strojno učenje, ki lahko samodejno odkrijejo celoten sklop dejavnikov, povezanih z motnjo uživanja snovi med brezdomno mladino. "

Ugotovitve so bile predstavljene na konferenci Odkrivanje znanja v zbirkah podatkov (KDD).

Za projekt je raziskovalna skupina model zgradila na podlagi podatkov približno 1.400 brezdomcev, starih od 18 do 26 let, v šestih ameriških zveznih državah.

Podatke je zbral Laboratorij za raziskave, izobraževanje in zagovorništvo za stabilnost in uspeh mladih (REALYST), v katerem je Anamika Barman-Adhikari, docentka za socialno delo na Univerzi v Denverju in soavtorica prispevka.

Nato je raziskovalna skupina ugotovila okoljske, psihološke in vedenjske dejavnike, povezane z motnjo uporabe snovi, kot so zgodovina kriminala, izkušnje z viktimizacijo in značilnosti duševnega zdravja.

Ugotovili so, da so neugodne otroške izkušnje in fizična viktimizacija na ulici močneje povezane z motnjo uživanja substanc kot druge vrste viktimizacije med brezdomnimi mladimi.

Poleg tega je bilo ugotovljeno, da sta posttravmatska stresna motnja (PTSP) in depresija močneje povezana z motnjo uživanja substanc kot druge motnje duševnega zdravja med to populacijo.

Nato je skupina svoj nabor podatkov razdelila na šest manjših naborov podatkov, da bi preučila geografske razlike. Uspostavili so ločen model za napovedovanje motenj uživanja substanc med brezdomnimi mladimi v vsaki od šestih zveznih držav, ki imajo različne okoljske razmere, politike legalizacije mamil in združbe tolp. Po mnenju Tabarja je skupina ugotovila več lokacijskih sprememb na ravni povezave nekaterih dejavnikov.

"Če pogledamo, kaj se je model naučil, lahko učinkovito ugotovimo dejavnike, ki imajo lahko korelacijsko vlogo pri ljudeh, ki trpijo zaradi motnje zlorabe substanc," je dejal Yadav. "In ko enkrat spoznamo te dejavnike, lahko veliko natančneje predvidimo, ali nekdo trpi zaradi uživanja snovi."

Dodal je: "Torej, če bi načrtovalec politike ali intervencionist razvil programe, katerih cilj je zmanjšati razširjenost motenj zlorabe substanc, bi to lahko dalo koristne smernice."

Med drugimi avtorji prispevka KDD sta Dongwon Lee, izredna profesorica, in Stephanie Winkler, doktorska študentka, oba na Penn State College of Information Sciences and Technology; in Heesoo Park univerze Sungkyunkwan.

Yadav in Barman-Adhikari delata na podobnem projektu, s katerim sta razvila programsko sredstvo, ki oblikuje prilagojene programe rehabilitacije za brezdomce, ki se borijo z odvisnostjo od opioidov. Rezultati simulacije kažejo, da programsko sredstvo, imenovano CORTA (celovito orodje za odziv na opioide, ki ga poganja umetna inteligenca), presega izhodiščne vrednosti za približno 110% in tako zmanjša število brezdomnih mladih, ki trpijo zaradi odvisnosti od opioidov.

"Želeli smo razumeti, kaj je vzročno za ljudi, ki razvijajo odvisnost od opiatov," je dejal Yadav. "In potem smo to brezdomno mladino želeli razporediti v ustrezen rehabilitacijski program."

Yadav pojasnjuje, da so bili podatki, ki jih je zbralo več kot 1.400 brezdomnih mladih v ZDA, uporabljeni za izdelavo modelov umetne inteligence za napovedovanje verjetnosti odvisnosti od opioidov med to populacijo. Po analizi vprašanj, ki bi lahko bile vzrok zasvojenosti z opioidi - na primer zgodovina rejniške oskrbe ali izpostavljenost nasilju na ulici - CORTA rešuje nove formulacije za optimizacijo, da dodeli prilagojene programe rehabilitacije.

"Če je na primer oseba razvila odvisnost od opioidov, ker je bila izolirana ali ni imela družbenega kroga, bi se morda v okviru svojega programa rehabilitacije morala pogovoriti s svetovalcem," je pojasnil Yadav.

"Po drugi strani pa, če je nekdo razvil zasvojenost, ker je bil depresiven, ker ni mogel najti službe ali plačati računov, bi moral biti karierni svetovalec del načrta za rehabilitacijo."

Yadav je dodal: "Če bolezen zdravite le, ko se vrnejo v resnični svet, se bo verjetnost ponovitve pojavila, ko vzročno vprašanje še vedno ostaja."

Vir: Penn State