Алгоритм ШІ може допомогти виявити бездомну молодь, якій загрожує зловживання речовинами

Алгоритм штучного інтелекту (ШІ), розроблений дослідницькою групою з Коледжу інформаційних наук і технологій у штаті Пенсільванія, може допомогти передбачити сприйнятливість до розладів вживання речовин серед бездомної молоді та запропонувати персоналізовані програми реабілітації для цих вразливих людей.

Незважаючи на те, що багато програм було реалізовано для боротьби з розповсюдженням зловживання наркотичними речовинами серед бездомної молоді в США, небагато, якщо взагалі, включали аналіз даних про екологічні та психологічні фактори, які могли б сприяти підвищенню ймовірності розвитку у людини розладу вживання наркотичних речовин.

"Проактивна профілактика розладів вживання наркотичних речовин серед бездомної молоді набагато бажаніша, ніж реактивні стратегії пом'якшення наслідків, такі як медичне лікування розладу та інші пов'язані з ними втручання", - сказала Амуля Ядав, доцент інформаційних наук та технологій та головний дослідник проекту. "На жаль, більшість попередніх спроб упереджувальної профілактики були спеціальними у їх здійсненні".

Мар'ям Табар, докторант з інформатики та провідний автор статті, додала: "Щоб допомогти директивним органам у принциповій розробці ефективних програм та політик, було б корисно розробити штучний інтелект та рішення машинного навчання, які можуть автоматично розкрити всебічний набір факторів, пов’язаних із розладом вживання наркотичних речовин серед бездомної молоді ".

Висновки були представлені на конференції «Відкриття знань у базах даних» (KDD).

Для проекту дослідницька група побудувала модель, використовуючи дані, зібрані приблизно у 1400 бездомних молодих людей віком від 18 до 26 років у шести штатах США.

Дані були зібрані Колаборацією досліджень, освіти та адвокації щодо стабільності та процвітання молоді (REALYST), до якої входить Анаміка Барман-Адгікарі, доцент кафедри соціальної роботи в Університеті Денвера та співавтор статті.

Потім дослідницька група визначила екологічні, психологічні та поведінкові фактори, пов'язані з розладом вживання наркотичних речовин, такі як історія судимості, досвід віктимізації та особливості психічного здоров'я.

Вони виявили, що несприятливий досвід дитинства та фізична віктимізація на вулиці були тісніше пов'язані з розладом вживання наркотичних речовин, ніж інші типи віктимізації серед бездомної молоді.

Крім того, було виявлено, що посттравматичний стресовий розлад (ПТСР) та депресія більш тісно пов’язані з розладом вживання наркотичних речовин, ніж інші розлади психічного здоров’я серед цієї групи населення.

Далі команда розділила свій набір даних на шість менших наборів даних, щоб вивчити географічні відмінності. Вони навчили окрему модель для прогнозування розладу вживання наркотичних речовин серед бездомної молоді в кожному з шести штатів, які мають різні екологічні умови, політику легалізації наркотиків та банди. За словами Табара, команда виявила кілька варіацій, пов'язаних з місцем розташування, рівня асоціації деяких факторів.

"Переглядаючи те, що дізналася модель, ми можемо ефективно виявити фактори, які можуть зіграти кореляційну роль у людей, які страждають від розладу наркотиків", - сказав Ядав. "І як тільки ми знаємо ці фактори, ми набагато точніше можемо передбачити, чи страждає хтось від вживання наркотичних речовин".

Він додав: "Отже, якщо планувальник політики або інтервентіон повинен розробити програми, спрямовані на зменшення поширеності розладів наркоманії, це може надати корисні вказівки".

Серед інших авторів статті KDD - Донгвон Лі, доцент та Стефані Вінклер, докторант, обидва в Пенсільському державному коледжі інформаційних наук та технологій; та парк Heesoo університету Sungkyunkwan.

Ядав та Барман-Адхікарі працюють над подібним проектом, завдяки якому розробили програмний агент, який розробляє персоналізовані програми реабілітації для бездомної молоді, яка бореться з опіоїдною залежністю. Результати їх моделювання показують, що програмний агент, який називається CORTA (Комплексний засіб реагування на опіоїди, керований штучним інтелектом), перевершує базові показники приблизно на 110%, мінімізуючи кількість бездомної молоді, яка страждає від опіоїдної залежності.

"Ми хотіли зрозуміти, які причини є у людей, які розвивають опіатну залежність", - сказав Ядав. "А потім ми хотіли призначити цю бездомну молодь на відповідну програму реабілітації".

Ядав пояснює, що дані, зібрані понад 1400 бездомною молоддю в США, використовувались для побудови моделей ШІ для прогнозування ймовірності опіоїдної залежності серед цієї популяції. Проаналізувавши проблеми, які можуть бути основною причиною залежності від опіоїдів - такі як історія прийомної сім’ї або вплив вуличного насильства - КОРТА вирішує нові оптимізаційні формулювання для призначення персоналізованих реабілітаційних програм.

"Наприклад, якщо людина розвинула опіоїдну залежність, оскільки вона була ізольована або не мала соціального кола, то, можливо, в рамках реабілітаційної програми їй слід поговорити з консультантом", - пояснив Ядав.

"З іншого боку, якщо у когось з’явилася залежність, оскільки він страждав від депресії, оскільки не міг знайти роботу чи оплатити рахунки, тоді кар’єрний радник повинен бути частиною плану реабілітації".

Ядав додав: "Якщо ви просто лікуєте стан медично, як тільки вони повернуться в реальний світ, оскільки причина причин все ще залишається, вони, швидше за все, повторяться".

Джерело: штат Пенсільванія