Algoritme AI untuk membantu mengidentifikasi remaja tunawisma yang berisiko penyalahgunaan zat – Sains Terkini

Meskipun banyak program dan inisiatif telah dilaksanakan untuk mengatasi prevalensi penyalahgunaan zat di antara remaja tunawisma di Amerika Serikat, program dan inisiatif tersebut tidak selalu menyertakan wawasan berbasis data tentang faktor lingkungan dan psikologis yang dapat berkontribusi pada kemungkinan seseorang mengembangkan penggunaan narkoba. kekacauan.

Sekarang, algoritme kecerdasan buatan (AI) yang dikembangkan oleh para peneliti di College of Information Sciences and Technology di Penn State dapat membantu memprediksi kerentanan terhadap gangguan penggunaan zat di antara individu tunawisma muda, dan menyarankan program rehabilitasi yang dipersonalisasi untuk remaja tunawisma yang sangat rentan.

"Pencegahan proaktif gangguan penggunaan zat di antara remaja tunawisma jauh lebih diinginkan daripada strategi mitigasi reaktif seperti perawatan medis untuk gangguan tersebut dan intervensi terkait lainnya," kata Amulya Yadav, asisten profesor ilmu informasi dan teknologi dan peneliti utama proyek tersebut. "Sayangnya, sebagian besar upaya pencegahan proaktif sebelumnya bersifat ad-hoc dalam implementasinya."

"Untuk membantu pembuat kebijakan dalam merancang program dan kebijakan yang efektif dengan cara yang berprinsip, akan bermanfaat untuk mengembangkan solusi AI dan pembelajaran mesin yang secara otomatis dapat mengungkap serangkaian faktor komprehensif yang terkait dengan gangguan penggunaan zat di antara remaja tunawisma," tambah Maryam Tabar, seorang mahasiswa doktoral di bidang informatika dan penulis utama pada makalah proyek yang akan dipresentasikan pada konferensi Knowledge Discovery in Databases (KDD) pada akhir Agustus.

Dalam proyek tersebut, tim peneliti membuat model menggunakan kumpulan data yang dikumpulkan dari sekitar 1.400 tunawisma remaja, usia 18 hingga 26 tahun, di enam negara bagian AS. Dataset dikumpulkan oleh Research, Education and Advocacy Co-Lab for Youth Stability and Thriving (REALYST), yang mencakup Anamika Barman-Adhikari, asisten profesor pekerjaan sosial di Universitas Denver dan rekan penulis makalah.


Para peneliti kemudian mengidentifikasi faktor lingkungan, psikologis dan perilaku yang terkait dengan gangguan penggunaan narkoba di antara mereka – seperti riwayat kriminal, pengalaman viktimisasi, dan karakteristik kesehatan mental. Mereka menemukan bahwa pengalaman masa kanak-kanak yang merugikan dan viktimisasi fisik di jalan lebih kuat terkait dengan gangguan penggunaan narkoba daripada jenis viktimisasi lainnya (seperti viktimisasi seksual) di antara remaja tunawisma. Selain itu, PTSD dan depresi ditemukan lebih terkait erat dengan gangguan penggunaan narkoba daripada gangguan kesehatan mental lainnya di antara populasi ini, menurut para peneliti.

Selanjutnya, para peneliti membagi kumpulan data mereka menjadi enam kumpulan data yang lebih kecil untuk menganalisis perbedaan geografis. Tim melatih model terpisah untuk memprediksi gangguan penyalahgunaan zat di antara remaja tunawisma di masing-masing dari enam negara bagian – yang memiliki kondisi lingkungan yang berbeda-beda, kebijakan legalisasi narkoba, dan asosiasi geng. Tim mengamati beberapa variasi spesifik lokasi dalam tingkat asosiasi beberapa faktor, menurut Tabar.

"Dengan melihat apa yang telah dipelajari model tersebut, kami dapat secara efektif menemukan faktor-faktor yang mungkin memainkan peran korelasional dengan orang yang menderita gangguan penyalahgunaan zat," kata Yadav. "Dan begitu kami mengetahui faktor-faktor ini, kami jauh lebih dapat memprediksi secara akurat apakah seseorang menderita penggunaan narkoba."

Dia menambahkan, "Jadi jika perencana kebijakan atau intervensionis mengembangkan program yang bertujuan untuk mengurangi prevalensi gangguan penyalahgunaan zat, ini dapat memberikan pedoman yang berguna."

Penulis lain pada makalah KDD termasuk Dongwon Lee, profesor, dan Stephanie Winkler, mahasiswa doktoral, keduanya di Penn State College of Information Sciences and Technology; dan Taman Heesoo dari Universitas Sungkyunkwan.

Yadav dan Barman-Adhikari berkolaborasi dalam proyek serupa di mana mereka telah mengembangkan agen perangkat lunak yang merancang program rehabilitasi yang dipersonalisasi untuk remaja tunawisma yang menderita kecanduan opioid. Hasil simulasi mereka menunjukkan bahwa agen perangkat lunak – disebut CORTA (Alat Respons Opioid Komprehensif yang Didorong oleh Kecerdasan Buatan) – mengungguli garis dasar sekitar 110% dalam meminimalkan jumlah remaja tunawisma yang menderita kecanduan opioid.


"Kami ingin memahami apa penyebab di balik orang-orang yang mengembangkan kecanduan opiat," kata Yadav. "Dan kemudian kami ingin menugaskan pemuda tunawisma ini ke program rehabilitasi yang sesuai."

Yadav menjelaskan bahwa data yang dikumpulkan oleh lebih dari 1.400 tunawisma di AS digunakan untuk membangun model AI untuk memprediksi kemungkinan kecanduan opioid di antara populasi ini. Setelah memeriksa masalah yang dapat menjadi penyebab mendasar dari kecanduan opioid – seperti riwayat perawatan anak atau paparan kekerasan jalanan – CORTA memecahkan formulasi pengoptimalan baru untuk menetapkan program rehabilitasi yang dipersonalisasi.

“Misalnya, jika seseorang mengalami ketergantungan opioid karena terisolasi atau tidak memiliki lingkaran pergaulan, mungkin sebagai bagian dari program rehabilitasi mereka harus berbicara dengan seorang konselor,” jelas Yadav. "Sebaliknya, jika seseorang mengalami kecanduan karena depresi karena tidak dapat menemukan pekerjaan atau membayar tagihan, konselor karier harus menjadi bagian dari rencana rehabilitasi."

Yadav menambahkan, "Jika Anda hanya merawat kondisinya secara medis, begitu mereka kembali ke dunia nyata, karena masalah penyebab masih ada, kemungkinan besar mereka akan kambuh."

Yadav dan Barman-Adhikari akan mempresentasikan makalah mereka tentang CORTA, "Desain Program Rehabilitasi Optimal dan Non-Diskriminatif untuk Kecanduan Opioid di Antara Remaja Tunawisma," pada Konferensi Bersama Internasional tentang Kecerdasan Buatan-Lingkar Pasifik Konferensi Internasional tentang Kecerdasan Buatan (IJCAI-PRICAI) , yang akan diadakan pada Juli 2020 tetapi dijadwalkan ulang karena pandemi virus corona baru.

Kolaborator lain dalam proyek CORTA termasuk mahasiswa doktoral Penn State Roopali Singh (statistik), Nikolas Siapoutis (statistik) dan Yu Liang (informatika).

You may also like...

Leave a Reply

This site uses Akismet to reduce spam. Learn how your comment data is processed.