Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

L'algoritmo di AI ha potuto contribuire a predire la predisposizione ad abuso di sostanza fra la gioventù senza tetto

Mentre molti programmi ed iniziative sono stati applicati per indirizzare la prevalenza di abuso di sostanza fra la gioventù senza tetto negli Stati Uniti, non comprendono sempre dalle le comprensioni guidate da dati circa i fattori ambientali e psicologici che potrebbero contribuire alla probabilità di una persona di sviluppare un disordine di uso della sostanza.

Ora, un algoritmo di intelligenza (AI) artificiale sviluppato dai ricercatori all'istituto universitario delle scienze e tecnologie di informazioni a Penn State ha potuto contribuire a predire la predisposizione a disordine di uso della sostanza fra le giovani persone senza tetto e suggerisce i programmi di riabilitazione personali per la gioventù senza tetto altamente suscettibile.

La prevenzione dinamica di disordine di uso della sostanza fra la gioventù senza tetto è molto più desiderabile delle strategie reattive di diminuzione quali i trattamenti medici per il disordine ed altra interventi riferiti. Purtroppo, i tentativi più precedenti di prevenzione dinamica sono stati ad-hoc nella loro entrata in vigore.„

Amulya Yadav, assistente universitario delle scienze e tecnologie di informazioni e ricercatore principale sul progetto

“Per assistere i responsabili della politica nell'invenzione i programmi e delle polizze efficaci in un modo di principio, sarebbe utile trovare le soluzioni di apprendimento automatico e di AI che possono scoprire automaticamente un insieme completo dei fattori connessi con disordine di uso della sostanza fra la gioventù senza tetto,„ ha aggiunto Maryam Tabar, uno studente di laurea in informatica e autore principale sul documento del progetto che sarà presentato alla scoperta di conoscenza nella conferenza dei database (KDD) alla fine d'agosto.

In quel progetto, il gruppo di ricerca ha sviluppato il modello facendo uso di un gruppo di dati raccolto da circa 1.400 la gioventù senza tetto, le età 18 - 26, in sei stati di Stati Uniti. Il gruppo di dati è stato raccolto dal Co-Laboratorio della ricerca, di formazione e dell'avvocatura per la stabilità e prosperare della gioventù (REALYST), che include il Barista-Adhikari di Anamika, l'assistente universitario di lavoro sociale all'università di Denver ed il co-author del documento.

I ricercatori poi hanno identificato ambientale, psicologico ed i fattori comportamentistici connessi con la sostanza usano il disordine loro -- quale cronologia criminale, esperienze di vittimizzazione e caratteristiche di salute mentale. Hanno trovato che le esperienze avverse di infanzia e la vittimizzazione fisica della via sono state associate più forte con disordine di uso della sostanza che altri tipi di vittimizzazioni (quale la vittimizzazione sessuale) fra la gioventù senza tetto. Ulteriormente, PTSD e la depressione sono stati trovati per essere associati più forte con disordine di uso della sostanza che altri disordini di salute mentale fra questa popolazione, secondo i ricercatori.

Dopo, i ricercatori hanno diviso il loro gruppo di dati in sei più piccoli gruppi di dati per analizzare le differenze geografiche. Il gruppo ha preparato un modello separato per predire il disordine di abuso di sostanza fra la gioventù senza tetto in ciascuno dei sei stati -- quale hanno le condizioni ambientali, le polizze di legalizzazione della droga ed associazioni varianti del gruppo. Il gruppo ha osservato parecchie variazioni posizione-specifiche nel livello di associazione di alcuni fattori, secondo Tabar.

“Esaminando cui il modello ha imparato, possiamo efficacemente scoprire i fattori che possono svolgere un ruolo correlativo con la gente che soffre dal disordine di abuso di sostanza,„ abbiamo detto Yadav. “Ed una volta che conosciamo questi fattori, possiamo molto più esattamente predire se qualcuno soffre da uso della sostanza.„

Ha aggiunto, “così se un pianificatore o un interventista di polizza dovesse sviluppare i programmi che mirano a diminuire la prevalenza di disordine di abuso di sostanza, questo potesse fornire le linee guida utili.„

Altri autori sul documento di KDD includono Dongwon Lee, professore associato e Stephanie Winkler, lo studente di laurea, entrambi nell'istituto universitario di Penn State delle scienze e tecnologie di informazioni; e sosta di Heesoo della Sungkyunkwan University.

Yadav e il Barista-Adhikari stanno collaborando su un simile progetto con cui hanno sviluppato un agente del software che le progettazioni hanno personalizzato i programmi di riabilitazione per la gioventù senza tetto che soffre dalla dipendenza dell'opioide. I loro risultati di simulazione mostrano quello l'agente del software -- CORTA chiamato (strumento completo di risposta dell'opioide guidato da intelligenza artificiale) -- supera i riferimenti entro circa 110% nella minimizzazione del numero della gioventù senza tetto che soffre dalla dipendenza dell'opioide.

“Abbiamo voluto capire che cosa le emissioni causative sono dietro dipendenza di sviluppo del narcotico della gente,„ abbiamo detto Yadav. “E poi abbiamo voluto definire questi la gioventù senza tetto al programma di riabilitazione appropriato.„

Yadav ha spiegato che i dati raccolti dalla gioventù di più di 1.400 senzatetto negli Stati Uniti sono stati usati per sviluppare i modelli di AI per predire la probabilità di dipendenza dell'opioide fra questa popolazione. Dopo l'esame delle emissioni che potrebbero essere la causa fondamentale di dipendenza dell'opioide -- quali cronologia o esposizione di affidamento di minore alla violenza della via -- CORTA risolve le formulazioni novelle dell'ottimizzazione per definire i programmi di riabilitazione personali.

“Per esempio, se una persona sviluppasse una dipendenza dell'opioide perché sono stati isolati o non hanno avuti un cerchio sociale, quindi forse come componente del loro programma di riabilitazione dovrebbero parlare con consulente,„ Yadav spiegato. “D'altra parte, se qualcuno sviluppasse una dipendenza perché erano depressi perché non potrebbero trovare un processo o pagare le loro fatture, quindi un consulente di carriera dovrebbe essere una parte della pianificazione di ripristino.„

Yadav ha aggiunto, “se trattate appena medicamente la circostanza, una volta che vanno nuovamente dentro il mondo reale, poiché l'emissione causativa ancora rimane, essi sono probabili ricadere.„

Source: