AI algoritam može pomoći u identificiranju beskućnika koji su u opasnosti od zlouporabe supstanci
Algoritam umjetne inteligencije (AI) koji je razvio istraživački tim s Visokog učilišta za informacijske znanosti i tehnologiju u državi Penn State mogao bi pomoći predvidjeti osjetljivost na poremećaj upotrebe supstanci među beskućničkom mladom populacijom i predložiti personalizirane programe rehabilitacije za ove vrlo ranjive osobe.
Iako su mnogi programi provedeni kako bi se riješila prevalencija zlouporabe opojnih droga među beskućničkom omladinom u SAD-u, malo ih je ili je uopće uključivalo uvide zasnovane na podacima o okolišnim i psihološkim čimbenicima koji bi mogli pridonijeti vjerojatnosti da će osoba razviti poremećaj upotrebe tvari.
"Proaktivna prevencija poremećaja upotrebe supstanci među beskućnicima je mnogo poželjnija od reaktivnih strategija ublažavanja poput medicinskih tretmana za poremećaj i drugih srodnih intervencija", rekla je Amulya Yadav, docentica za informacijske znanosti i tehnologiju i glavna istražiteljica na projektu. "Nažalost, većina dosadašnjih pokušaja proaktivne prevencije bila je ad hoc u njihovoj provedbi."
Maryam Tabar, doktorandica informatike i vodeća autorica u radu, dodala je: „Da bi se kreatorima politike pomoglo u principijelnom osmišljavanju učinkovitih programa i politika, bilo bi korisno razviti AI i rješenja za strojno učenje koja mogu automatski otkriti sveobuhvatan set čimbenika povezanih s poremećajem upotrebe droga među beskućnicima. "
Nalazi su predstavljeni na konferenciji Otkrivanje znanja u bazama podataka (KDD).
Za taj je projekt istraživački tim izgradio model koristeći podatke prikupljene od približno 1.400 beskućnika u dobi od 18 do 26 godina u šest američkih država.
Podatke je prikupio Laboratorij za istraživanje, obrazovanje i zagovaranje za stabilnost i napredak mladih (REALYST), u koji je uključena Anamika Barman-Adhikari, docentica za socijalni rad na Sveučilištu u Denveru i koautorica rada.
Zatim je istraživački tim identificirao okolišne, psihološke i bihevioralne čimbenike povezane s poremećajem upotrebe supstanci, poput povijesti kriminala, iskorištavanja i karakteristika mentalnog zdravlja.
Otkrili su da su nepovoljna iskustva iz djetinjstva i fizička viktimizacija na ulici jače povezani s poremećajem upotrebe droga od ostalih vrsta viktimizacije među beskućnicima.
Uz to, utvrđeno je da su posttraumatski stresni poremećaj (PTSP) i depresija jače povezani s poremećajem upotrebe supstanci od ostalih poremećaja mentalnog zdravlja među ovom populacijom.
Zatim je tim podijelio svoj skup podataka u šest manjih skupova podataka kako bi pogledao geografske razlike. Oni su obučili zaseban model za predviđanje poremećaja upotrebe droga među beskućnicima u svakoj od šest država, koje imaju različite okolišne uvjete, politike legalizacije droga i udruge bandi. Prema Tabaru, tim je otkrio nekoliko varijacija na razini povezanosti nekih čimbenika za određenu lokaciju.
"Uvidom u ono što je model naučio, možemo učinkovito otkriti čimbenike koji mogu igrati korelacijsku ulogu kod ljudi koji pate od poremećaja zlouporabe droga", rekao je Yadav. "A nakon što spoznamo ove čimbenike, puno ćemo preciznije moći predvidjeti pati li netko od upotrebe tvari."
Dodao je, "Dakle, ako bi planiratelj politike ili intervencionist trebao razviti programe kojima je cilj smanjiti prevalenciju poremećaja zlouporabe droga, ovo bi moglo pružiti korisne smjernice."
Ostali autori u radu KDD-a uključuju Dongwon Lee, izvanrednog profesora, i Stephanie Winkler, doktorandicu, obje na Penn State College of Information Sciences and Technology; i Heesoo Park Sveučilišta Sungkyunkwan.
Yadav i Barman-Adhikari rade na sličnom projektu kroz koji su razvili softverski agent koji dizajnira personalizirane programe rehabilitacije za beskućnike koji se bore s ovisnošću o opioidima. Rezultati njihove simulacije pokazuju da softverski agent - nazvan CORTA (sveobuhvatni alat za opioidni odgovor koji pokreće umjetna inteligencija) - nadmašuje početne vrijednosti za približno 110% u smanjenju broja beskućnika koji pate od ovisnosti o opioidima.
"Željeli smo shvatiti koja uzročna pitanja stoje iza ljudi koji razvijaju ovisnost o opijatima", rekao je Yadav. "A onda smo željeli ovu beskućničku mladež rasporediti na odgovarajući program rehabilitacije."
Yadav objašnjava da su podaci prikupljeni od više od 1.400 beskućnika u SAD-u korišteni za izgradnju AI modela za predviđanje vjerojatnosti ovisnosti o opioidima među ovom populacijom. Nakon analize problema koji bi mogli biti osnovni uzrok ovisnosti o opioidima - poput povijesti udomiteljstva ili izloženosti nasilju na ulici - CORTA rješava nove formulacije za optimizaciju kako bi dodijelila personalizirane programe rehabilitacije.
"Na primjer, ako je osoba razvila ovisnost o opioidima jer je bila izolirana ili nije imala socijalni krug, tada bi možda u sklopu svog programa rehabilitacije trebala razgovarati sa savjetnikom", objasnio je Yadav.
"S druge strane, ako je netko razvio ovisnost jer je bio depresivan jer nije mogao naći posao ili platiti račune, tada bi karijerni savjetnik trebao biti dio plana rehabilitacije."
Yadav je dodao: "Ako samo liječite stanje medicinski, kad se vrate u stvarni svijet, budući da uzročni problem još uvijek ostaje, vjerojatno će se ponoviti."
Izvor: Penn State
