Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

L'algorithme d'AI a pu aider à prévoir la susceptibilité à la toxicomanie parmi la jeunesse sans abri

Tandis que beaucoup de programmes et d'initiatives ont été mis en application pour adresser la prévalence de la toxicomanie parmi la jeunesse sans abri aux Etats-Unis, ils ne comprennent pas toujours des analyses caractéristique caractéristique au sujet d'ambiant et des facteurs psychologiques qui pourraient contribuer à la probabilité d'une personne de développer un trouble de consommation de produits.

Maintenant, un algorithme (AI) d'artificial intelligence développé par des chercheurs à l'université des sciences de l'information et la technologie à l'État de Penn ont pu aider à prévoir la susceptibilité au trouble de consommation de produits parmi de jeunes personnes sans abri, et proposent des programmes de rééducation personnalisés pour la jeunesse sans abri hautement susceptible.

La prévention proactive du trouble de consommation de produits parmi la jeunesse sans abri est beaucoup plus désirable que des stratégies réactives d'atténuation telles que des demandes de règlement médicales pour le trouble et autre des interventions associées. Malheureusement, la plupart des précédentes tentatives à la prévention proactive ont été ades-hoc dans leur mise en place. »

Amulya Yadav, professeur adjoint des sciences de l'information et de technologie et investigateur principal sur le projet

« Pour aider des décisionnaires en concevant des programmes efficaces et des polices d'une façon de principes, il serait avantageux de développer l'AI et les solutions d'apprentissage automatique qui peuvent automatiquement découvrir un ensemble complet de facteurs se sont associées au trouble de consommation de produits parmi la jeunesse sans abri, » Maryam ajouté Tabar, un étudiant au doctorat en informatique et auteur important sur le papier de projet qui sera présenté à la découverte de la connaissance dans la conférence des bases de données (KDD) fin août.

Dans ce projet, l'équipe de recherche a établi le modèle utilisant un ensemble de données rassemblé approximativement de 1.400 jeunesse sans abri, les âges 18 26, dans six conditions d'États-Unis. L'ensemble de données a été rassemblé par le Co-Laboratoire de recherches, d'éducation et de recommandation pour la stabilité et la prospérité de la jeunesse (REALYST), qui comprend le Barman-Adhikari d'Anamika, le professeur adjoint du travail social à l'université de Denver et le co-auteur de l'article.

Les chercheurs ont alors recensé des facteurs environnementaux, psychologiques et comportementaux liés au trouble de consommation de produits parmi eux -- comme l'histoire criminelle, expériences de victimisation et caractéristiques de santé mentale. Ils ont constaté que des expériences défavorables d'enfance et la victimisation matérielle de rue plus fortement ont été associées au trouble de consommation de produits que d'autres types de victimisation (tels que la victimisation sexuelle) parmi la jeunesse sans abri. Supplémentaire, PTSD et dépression se sont avérés pour être associés plus fortement au trouble de consommation de produits que d'autres troubles psychiques parmi cette population, selon les chercheurs.

Ensuite, les chercheurs ont divisé leur ensemble de données en six plus petits ensembles de données pour analyser des différences géographiques. L'équipe a formé un modèle indépendant pour prévoir le trouble de toxicomanie parmi la jeunesse sans abri dans chacune des six conditions -- ce qui ont des conditions environnementales, des polices de légalisation de médicament et des associations variables de bande. L'équipe a observé plusieurs variations d'emplacement-détail du niveau d'association de quelques facteurs, selon Tabar.

« En regardant ce que le modèle a appris, nous pouvons effectivement découvrir les facteurs qui peuvent jouer un rôle corrélationnel avec des gens souffrant du trouble de toxicomanie, » avons dit Yadav. « Et une fois que nous connaissons ces facteurs, nous pouvons beaucoup plus exactement prévoir si quelqu'un souffre de la consommation de produits. »

Il a ajouté, « ainsi si un planificateur ou un interventionniste de police devaient développer les programmes qui visent à réduire la prévalence du trouble de toxicomanie, ceci pourrait fournir les directives utiles. »

D'autres auteurs sur l'article de KDD incluent Dongwon Lee, professeur agrégé, et Stephanie Winkler, étudiant au doctorat, dans l'université d'État de Penn des sciences de l'information et de la technologie ; et stationnement de Heesoo d'université de Sungkyunkwan.

Yadav et Barman-Adhikari collaborent sur un projet assimilé par lequel ils ont développé un agent logiciel que les modèles ont personnalisé des programmes de rééducation pour la jeunesse sans abri souffrant de la dépendance d'opioid. Leurs résultats de simulation montrent à cela l'agent logiciel -- CORTA appelé (outil complet de réaction d'Opioid piloté par artificial intelligence) -- surpasse des lignes zéro d'ici approximativement 110% en réduisant à un minimum le numéro de la jeunesse sans abri souffrant de la dépendance d'opioid.

« Nous avons voulu comprendre ce que sont les éditions causales derrière la dépendance se développante d'opiacé de gens, » avons dit Yadav. « Et alors nous avons voulu affecter à ceux-ci la jeunesse sans abri au programme de rééducation approprié. »

Yadav a expliqué que la caractéristique rassemblée par plus la jeunesse du sans-abri de 1.400 aux États-Unis a été employée pour établir des modèles d'AI pour prévoir la probabilité de la dépendance d'opioid parmi cette population. Après examen des éditions qui pourraient être la cause sous-jacente de la dépendance d'opioid -- comme l'histoire ou l'exposition d'accueil à la violence de rue -- CORTA résout des formulations nouvelles d'optimisation pour affecter des programmes de rééducation personnalisés.

« Par exemple, si une personne développait une dépendance d'opioid parce qu'ils ont été isolés ou n'ont pas eu un cercle social, puis peut-être en tant qu'élément de leur programme de rééducation ils devraient parler à un conseiller, » Yadav expliqué. « D'autre part, si quelqu'un développait une dépendance parce qu'ils étaient déprimés parce qu'ils ne pourraient pas trouver une fonction ou payer leurs facturations, puis un conseiller de carrière devrait être une partie du régime de rééducation. »

Yadav a ajouté, « si vous traitez juste la condition médicalement, une fois qu'elles vont de nouveau dans le monde réel, puisque l'édition causale demeure toujours, elles sont susceptibles de rechuter. »

Source: