AI Algoritması, Madde Bağımlılığı Riski Altındaki Evsiz Gençlerin Kimliklerinin Belirlenmesine Yardımcı Olabilir

Penn State'deki Bilgi Bilimleri ve Teknoloji Koleji'nden bir araştırma ekibi tarafından geliştirilen bir yapay zeka (AI) algoritması, evsiz gençler arasında madde kullanım bozukluğuna duyarlılığı tahmin etmeye yardımcı olabilir ve bu oldukça savunmasız bireyler için kişiselleştirilmiş rehabilitasyon programları önerebilir.

ABD'deki evsiz gençler arasında madde bağımlılığının yaygınlığını ele almak için birçok program uygulanmış olsa da, çok azı bir kişinin madde kullanım bozukluğu geliştirme olasılığına katkıda bulunabilecek çevresel ve psikolojik faktörler hakkında veriye dayalı içgörüler içeriyordu.

Bilgi bilimleri ve teknoloji yardımcı doçenti ve proje baş araştırmacısı Amulya Yadav, "Evsiz gençler arasında madde kullanım bozukluğunun proaktif olarak önlenmesi, bozukluğa yönelik tıbbi tedaviler ve diğer ilgili müdahaleler gibi reaktif azaltma stratejilerinden çok daha arzu edilir" dedi. "Ne yazık ki, önceki proaktif önleme girişimlerinin çoğu, bunların uygulanmasında geçici olmuştur."

Bilişim alanında doktora öğrencisi ve makalenin baş yazarı Maryam Tabar, "Politika yapıcılara ilkeli bir şekilde etkili programlar ve politikalar tasarlamada yardımcı olmak için, kapsamlı bir seti otomatik olarak ortaya çıkarabilen yapay zeka ve makine öğrenimi çözümleri geliştirmek faydalı olacaktır. Evsiz gençler arasında madde kullanım bozukluğuyla ilişkili faktörlerin oranı. "

Bulgular Veritabanlarında Bilgi Keşfi (KDD) konferansında sunuldu.

Proje için araştırma ekibi, altı ABD eyaletinde yaşları 18 ile 26 arasında değişen yaklaşık 1.400 evsiz gençten toplanan verileri kullanarak modeli oluşturdu.

Veriler, Denver Üniversitesi'nde sosyal hizmet yardımcı doçenti ve makalenin ortak yazarı olan Anamika Barman-Adhikari'yi içeren Research, Education and Advocacy Co-Lab for Youth Stability and Thriving (REALYST) tarafından toplandı.

Araştırma ekibi daha sonra suç geçmişi, mağduriyet deneyimleri ve akıl sağlığı özellikleri gibi madde kullanım bozukluğuyla bağlantılı çevresel, psikolojik ve davranışsal faktörleri belirledi.

Olumsuz çocukluk deneyimleri ve fiziksel sokak mağduriyetinin, evsiz gençler arasında cinsel mağduriyet gibi diğer mağduriyet türlerinden daha güçlü madde kullanım bozukluğu ile bağlantılı olduğunu keşfettiler.

Ek olarak, travma sonrası stres bozukluğu (TSSB) ve depresyon, bu popülasyondaki diğer ruh sağlığı bozukluklarına göre madde kullanım bozukluğu ile daha güçlü bir şekilde ilişkili bulunmuştur.

Daha sonra ekip, coğrafi farklılıklara bakmak için veri kümesini altı küçük veri kümesine böldü. Farklı çevresel koşullara, uyuşturucu yasallaştırma politikalarına ve çete derneklerine sahip altı eyaletin her birinde evsiz gençler arasında madde kullanım bozukluğunu tahmin etmek için ayrı bir model eğittiler. Ekip, Tabar'a göre, bazı faktörlerin ilişkilendirme düzeyinde birkaç yere özgü farklılıklar buldu.

Yadav, "Modelin öğrendiklerine bakarak, madde bağımlılığı bozukluğundan muzdarip insanlarla korelasyonel bir rol oynayabilecek faktörleri etkili bir şekilde bulabiliriz" dedi. "Ve bu faktörleri bildiğimizde, birisinin madde kullanımından muzdarip olup olmadığını çok daha doğru bir şekilde tahmin edebiliyoruz."

"Dolayısıyla, bir politika planlayıcısı veya müdahaleci madde bağımlılığı bozukluğunun yaygınlığını azaltmayı amaçlayan programlar geliştirirse, bu yararlı kılavuzlar sağlayabilir."

KDD makalesinin diğer yazarları arasında Doçent Dongwon Lee ve Penn Eyalet Bilgi Bilimleri ve Teknolojisi Koleji'nde doktora öğrencisi Stephanie Winkler; ve Sungkyunkwan Üniversitesi Heesoo Parkı.

Yadav ve Barman-Adhikari, opioid bağımlılığıyla mücadele eden evsiz gençler için kişiselleştirilmiş rehabilitasyon programları tasarlayan bir yazılım temsilcisi geliştirdikleri benzer bir proje üzerinde çalışıyorlar. Simülasyon sonuçları, CORTA (Yapay Zekayla Yönlendirilen Kapsamlı Opioid Tepki Aracı) adı verilen yazılım aracısının, opioid bağımlılığından muzdarip evsiz gençlerin sayısını en aza indirmede yaklaşık% 110 oranında daha iyi performans gösterdiğini gösteriyor.

Yadav, "Afyon bağımlılığı geliştiren insanların arkasındaki nedensel sorunların ne olduğunu anlamak istedik" dedi. "Ve sonra bu evsiz gençleri uygun rehabilitasyon programına atamak istedik."

Yadav, ABD'de 1400'den fazla evsiz genç tarafından toplanan verilerin, bu popülasyondaki opioid bağımlılığı olasılığını tahmin etmek için AI modelleri oluşturmak için kullanıldığını açıklıyor. Koruyucu bakım geçmişi veya sokak şiddetine maruz kalma gibi opioid bağımlılığının altında yatan neden olabilecek sorunları analiz ettikten sonra CORTA, kişiselleştirilmiş rehabilitasyon programları atamak için yeni optimizasyon formülasyonlarını çözer.

Yadav, "Örneğin, eğer bir kişi izole olduğu veya sosyal bir çevresi olmadığı için bir opioid bağımlılığı geliştirdiyse, o zaman belki de rehabilitasyon programının bir parçası olarak bir danışmanla konuşmalıdır" diye açıkladı.

"Öte yandan, birisi iş bulamadığı veya faturalarını ödeyemediği için depresyonda olduğu için bir bağımlılık geliştirdiyse, o zaman bir kariyer danışmanı rehabilitasyon planının bir parçası olmalıdır."

Yadav, "Durumu tıbbi olarak tedavi ederseniz, gerçek dünyaya geri döndüklerinde, nedensel sorun hala devam ettiğinden, muhtemelen nüksetme olasılıkları olacaktır."

Kaynak: Penn State