Thuật toán AI có thể giúp xác định thanh niên vô gia cư có nguy cơ lạm dụng chất gây nghiện

Một thuật toán trí tuệ nhân tạo (AI) được phát triển bởi một nhóm nghiên cứu từ Trường Cao đẳng Khoa học Thông tin và Công nghệ tại Penn State có thể giúp dự đoán tính nhạy cảm với chứng rối loạn sử dụng chất gây nghiện ở thanh niên vô gia cư và đề xuất các chương trình phục hồi được cá nhân hóa cho những người rất dễ bị tổn thương này.

Mặc dù nhiều chương trình đã được thực hiện để giải quyết sự phổ biến của lạm dụng chất kích thích ở thanh thiếu niên vô gia cư ở Hoa Kỳ, nhưng rất ít nếu có bao gồm những hiểu biết theo hướng dữ liệu về các yếu tố môi trường và tâm lý có thể góp phần vào khả năng phát triển chứng rối loạn sử dụng chất kích thích của một người.

Amulya Yadav, trợ lý giáo sư khoa học thông tin và công nghệ kiêm điều tra viên chính của dự án cho biết: “Chủ động phòng ngừa rối loạn sử dụng chất gây nghiện ở thanh thiếu niên vô gia cư là mong muốn hơn nhiều so với các chiến lược giảm thiểu phản ứng như điều trị y tế cho chứng rối loạn này và các can thiệp liên quan khác. “Thật không may, hầu hết các nỗ lực trước đây nhằm ngăn chặn chủ động đều bị lỗi trong quá trình thực hiện”.

Maryam Tabar, một nghiên cứu sinh tiến sĩ về tin học và là tác giả chính của bài báo, nói thêm, “Để hỗ trợ các nhà hoạch định chính sách đưa ra các chương trình và chính sách hiệu quả một cách có nguyên tắc, sẽ rất có lợi nếu phát triển các giải pháp AI và học máy có thể tự động khám phá một tập hợp toàn diện về các yếu tố liên quan đến rối loạn sử dụng chất gây nghiện ở thanh niên vô gia cư. "

Các phát hiện được trình bày tại hội nghị Khám phá tri thức trong Cơ sở dữ liệu (KDD).

Đối với dự án, nhóm nghiên cứu đã xây dựng mô hình bằng cách sử dụng dữ liệu thu thập được từ khoảng 1.400 thanh niên vô gia cư, tuổi từ 18 đến 26, tại sáu tiểu bang của Hoa Kỳ.

Dữ liệu được thu thập bởi Phòng thí nghiệm nghiên cứu, giáo dục và vận động cho thanh niên ổn định và phát triển (REALYST), bao gồm Anamika Barman-Adhikari, trợ lý giáo sư công tác xã hội tại Đại học Denver và đồng tác giả của bài báo.

Sau đó, nhóm nghiên cứu xác định các yếu tố môi trường, tâm lý và hành vi liên quan đến rối loạn sử dụng chất kích thích, chẳng hạn như tiền sử tội phạm, trải nghiệm nạn nhân và các đặc điểm sức khỏe tâm thần.

Họ phát hiện ra rằng những trải nghiệm thời thơ ấu bất lợi và việc trở thành nạn nhân trên đường phố có liên quan chặt chẽ đến chứng rối loạn sử dụng chất kích thích hơn so với các dạng nạn nhân khác, chẳng hạn như nạn nhân tình dục, ở những thanh niên vô gia cư.

Ngoài ra, rối loạn căng thẳng sau sang chấn (PTSD) và trầm cảm được phát hiện có liên quan chặt chẽ với rối loạn sử dụng chất gây nghiện hơn các rối loạn sức khỏe tâm thần khác trong nhóm dân số này.

Tiếp theo, nhóm chia tập dữ liệu của họ thành sáu tập dữ liệu nhỏ hơn để xem xét sự khác biệt về địa lý. Họ đã đào tạo một mô hình riêng biệt để dự đoán tình trạng rối loạn sử dụng chất kích thích ở thanh thiếu niên vô gia cư ở mỗi bang trong số sáu bang, nơi có các điều kiện môi trường khác nhau, chính sách hợp pháp hóa ma túy và các hiệp hội băng đảng. Theo Tabar, nhóm nghiên cứu đã tìm thấy một số biến thể theo vị trí cụ thể trong mức độ liên kết của một số yếu tố.

Yadav cho biết: “Bằng cách xem xét những gì mô hình đã học được, chúng tôi có thể tìm ra các yếu tố có thể đóng một vai trò tương quan với những người bị rối loạn lạm dụng chất gây nghiện. “Và một khi chúng tôi biết những yếu tố này, chúng tôi có thể dự đoán chính xác hơn nhiều liệu ai đó có bị sử dụng chất kích thích hay không.”

Ông nói thêm, "Vì vậy, nếu một nhà hoạch định chính sách hoặc nhà can thiệp phát triển các chương trình nhằm mục đích giảm tỷ lệ rối loạn lạm dụng chất gây nghiện, thì điều này có thể cung cấp các hướng dẫn hữu ích."

Các tác giả khác trên bài báo KDD bao gồm Dongwon Lee, phó giáo sư, và Stephanie Winkler, nghiên cứu sinh tiến sĩ, cả hai đều tại Penn State College of Information Science and Technology; và Heesoo Park của Đại học Sungkyunkwan.

Yadav và Barman-Adhikari đang thực hiện một dự án tương tự, thông qua đó họ đã phát triển một đại lý phần mềm thiết kế các chương trình phục hồi được cá nhân hóa cho thanh niên vô gia cư đang vật lộn với chứng nghiện opioid. Kết quả mô phỏng của họ cho thấy tác nhân phần mềm - được gọi là CORTA (Công cụ phản ứng toàn diện về thuốc phiện được thúc đẩy bởi trí tuệ nhân tạo) - vượt trội hơn khoảng 110% so với đường cơ sở trong việc giảm thiểu số lượng thanh niên vô gia cư mắc chứng nghiện chất dạng thuốc phiện.

Yadav cho biết: “Chúng tôi muốn hiểu những nguyên nhân gây ra hậu quả là gì khiến những người phát triển chứng nghiện thuốc phiện. “Và sau đó chúng tôi muốn chỉ định những thanh niên vô gia cư này vào chương trình phục hồi thích hợp.”

Yadav giải thích rằng dữ liệu được thu thập bởi hơn 1.400 thanh niên vô gia cư ở Hoa Kỳ đã được sử dụng để xây dựng các mô hình AI nhằm dự đoán khả năng nghiện opioid của nhóm dân số này. Sau khi phân tích các vấn đề có thể là nguyên nhân cơ bản của chứng nghiện opioid - chẳng hạn như lịch sử chăm sóc nuôi dưỡng hoặc tiếp xúc với bạo lực đường phố - CORTA giải quyết các công thức tối ưu hóa mới để chỉ định các chương trình phục hồi được cá nhân hóa.

“Ví dụ, nếu một người phát triển chứng nghiện opioid vì họ bị cô lập hoặc không có mối quan hệ xã hội, thì có lẽ là một phần của chương trình phục hồi chức năng, họ nên nói chuyện với một chuyên gia tư vấn,” Yadav giải thích.

“Mặt khác, nếu một người nào đó phát triển chứng nghiện vì họ bị trầm cảm vì họ không thể tìm được việc làm hoặc không thể trả các hóa đơn của mình, thì một cố vấn nghề nghiệp nên là một phần của kế hoạch phục hồi”.

Yadav nói thêm, "Nếu bạn chỉ điều trị tình trạng này về mặt y tế, một khi họ quay trở lại thế giới thực, vì vấn đề nguyên nhân vẫn còn, họ có khả năng tái phát."

Nguồn: Penn State