Algoritmus AI může pomoci ID Bezdomovci v ohrožení zneužívání návykových látek

Algoritmus umělé inteligence (AI) vyvinutý výzkumným týmem z College of Information Sciences and Technology ve státě Penn State by mohl pomoci předpovědět náchylnost k poruchám užívání návykových látek u mládeže bez domova a navrhnout personalizované rehabilitační programy pro tyto vysoce zranitelné jedince.

Přestože bylo v USA zavedeno mnoho programů zaměřených na prevalenci zneužívání návykových látek u mládeže bez domova, jen málo z nich zahrnovalo poznatky založené na datech o environmentálních a psychologických faktorech, které by mohly přispět k pravděpodobnosti vzniku poruchy užívání návykových látek u člověka.

„Proaktivní prevence poruch užívání návykových látek u mládeže bez domova je mnohem žádanější než reaktivní strategie zmírňování, jako je léčba této poruchy a další související zásahy,“ uvedla Amulya Yadav, odborná asistentka informačních věd a technologie a hlavní řešitelka projektu. "Bohužel většina předchozích pokusů o proaktivní prevenci byla při jejich provádění ad hoc."

Maryam Tabar, doktorandka z informatiky a hlavní autorka příspěvku, dodala: „Abychom tvůrcům politik pomohli zásadním způsobem navrhnout účinné programy a politiky, bylo by užitečné vyvinout řešení pro umělou inteligenci a strojové učení, které mohou automaticky odhalit komplexní sadu faktorů spojených s poruchou užívání návykových látek mezi mládeží bez domova. “

Zjištění byla představena na konferenci Zjištění znalostí v databázích (KDD).

Pro projekt sestavil výzkumný tým model s využitím údajů shromážděných od přibližně 1400 mladých bezdomovců ve věku 18 až 26 let v šesti státech USA.

Údaje byly shromážděny výzkumnou, vzdělávací a advokační laboratoří pro stabilitu a prosperitu mládeže (REALYST), jejíž součástí je Anamika Barman-Adhikari, odborná asistentka sociální práce na univerzitě v Denveru a spoluautorka příspěvku.

Výzkumný tým poté identifikoval environmentální, psychologické a behaviorální faktory spojené s poruchou užívání návykových látek, jako je kriminální historie, zkušenosti s pronásledováním a charakteristiky duševního zdraví.

Zjistili, že nepříznivé dětské zkušenosti a fyzická viktimizace na ulici byly u mládeže bez domova silněji spojeny s poruchou užívání návykových látek než u jiných typů viktimizace, jako je sexuální viktimizace.

Navíc bylo zjištěno, že posttraumatická stresová porucha (PTSD) a deprese jsou u této populace silněji spojeny s poruchou užívání návykových látek než jiné poruchy duševního zdraví.

Dále tým rozdělil jejich datovou sadu do šesti menších datových sad, aby se podíval na geografické rozdíly. Vyškolili samostatný model pro predikci poruchy užívání návykových látek mezi mládeží bez domova v každém ze šesti států, které mají různé podmínky prostředí, politiky legalizace drog a sdružení gangů. Tým podle Tabara našel několik variant specifických pro danou lokalitu v úrovni asociace některých faktorů.

"Při pohledu na to, co se model naučil, můžeme efektivně zjistit faktory, které mohou hrát korelační roli u lidí trpících poruchou návykových látek," řekl Yadav. "A jakmile známe tyto faktory, jsme mnohem přesněji schopni předpovědět, zda někdo trpí užíváním návykových látek."

Dodal: „Pokud by tedy plánovací pracovník nebo intervenční pracovník vyvinuli programy zaměřené na snížení prevalence poruchy užívání návykových látek, mohlo by to poskytnout užitečné pokyny.“

Mezi další autory příspěvku KDD patří Dongwon Lee, docent a doktorka Stephanie Winkler, oba na Penn State College of Information Sciences and Technology; a Heesoo Park na Sungkyunkwan University.

Yadav a Barman-Adhikari pracují na podobném projektu, jehož prostřednictvím vyvinuli softwarového agenta, který navrhuje personalizované rehabilitační programy pro mládež bez domova potýkající se se závislostí na opiátech. Jejich výsledky simulace ukazují, že softwarový agent - zvaný CORTA (Comprehensive Opioid Response Tool Driven by Artificial Intelligence) - překonává základní hodnoty přibližně o 110% při minimalizaci počtu mladých bezdomovců trpících závislostí na opioidech.

"Chtěli jsme pochopit, jaké příčinné problémy stojí za rozvojem závislosti na opiátech," řekl Yadav. "A pak jsme chtěli přiřadit tuto mládež bez domova k příslušnému rehabilitačnímu programu."

Yadav vysvětluje, že údaje shromážděné více než 1400 mladými bezdomovci v USA byly použity k vytvoření modelů AI k předpovědi pravděpodobnosti závislosti na opioidech u této populace. Po analýze problémů, které by mohly být základní příčinou závislosti na opioidech - jako je historie pěstounské péče nebo vystavení násilí na ulici - CORTA řeší nové optimalizační formulace pro přiřazení personalizovaných rehabilitačních programů.

"Pokud se například u osoby vyvinula závislost na opioidech, protože byla izolovaná nebo neměla sociální kruh, pak by se jako součást svého rehabilitačního programu měla poradit s poradcem," vysvětlil Yadav.

"Na druhou stranu, pokud si někdo vytvořil závislost, protože měl depresi, protože si nemohl najít práci nebo zaplatit účty, měl by být součástí rehabilitačního plánu kariérní poradce."

Yadav dodal: „Pokud se stavem budete léčit pouze lékařsky, jakmile se vrátí do reálného světa, protože příčinná otázka stále přetrvává, pravděpodobně dojde k relapsu.“

Zdroj: Penn State

!-- GDPR -->