Maskinlæring kan hjælpe med stigmatisering af misbrug

Et forskningsteam fra University of Waterloo har demonstreret, hvordan maskinlæring (ML) og anonymiserede data kan hjælpe med at adresse stigmatiseringen af misbrug i udviklingslande, som ofte gør det svært at få behandling.

Forskningsartiklen, med titlen “En maskinlæringsmodel til forudsigelse af individuel misbrug med tilhørende risikofaktorer“, blev offentliggjort i tidsskriftet Annals of Data Science.

Indsigt i underliggende faktorer

Den nye tilgang gav indsigt i de underliggende faktorer, der påvirker misbrugstendenser. Det giver en helt ny indsigt i et emne, der ofte er omgivet af sociale og kulturelle tabuer.

Forskningen identificerede flere signifikante risikofaktorer, såsom familiære relationer, en nysgerrighed efter at eksperimentere med stoffer, og relationer med venner, der også lider af misbrug.

Enamul Haque er en PhD-forsker i datalogi ved University of Waterloo og hovedforfatter af forskningen.

“I et land som Bangladesh kan folk være tilbageholdende med at diskutere misbrugsproblemer,” sagde Haque. “Denne type forskning vil enable politikere til at have bedre information og derefter være i stand til at designe bedre programmer til at hjælpe med at adresse misbrug.”

Træning af ML-algoritmer til identifikation af risikofaktorer

Den nye forskning var baseret på data fra forskellige kilder, såsom enkeltinterviews og masser af online-undersøgelser. Undersøgelsesdataene var hovedsageligt hentet fra udviklingslande i Sydasien.

“Inden for de lande, hvor vi gennemførte undersøgelsen, indsamlede vi data fra en bred og diversificeret gruppe af respondenter,” fortsatte Haque. “Vi så efter forskellige respondenter baseret på alder, køn og socioøkonomisk kontekst.”

Holdet indsamlede først en massevis af data til at blive brugt i studiet. De afhængige derefter af maskinlæringsalgoritmer til at identificere mønstre og nøgle-risikofaktorer for misbrug. For at udføre den datalogiske del af forskningen opstillede holdet flere stadier af dataanalyse og raffinering.

“Jeg håber virkelig, at denne forskning kan hjælpe folk med misbrugsproblemer og give dem den støtte, de har brug for,” sagde Haque.

Medforfattere af forskningen inkluderede Uwaise Ibna Islam, Dheyaaldin Alsalman, Muhammad Nazrul Islam, Mohammad Ali Moni og Iqbal H. Sarker.

Denne nye tilgang er et af de mange eksempler på, hvordan AI og maskinlæring kan bruges til at adresse flere psykiske og fysiske afhængigheder. Disse teknologier giver mange muligheder for at udvikle innovative behandlinger til fremtiden, samt for at forstå de underliggende faktorer, der bidrager til hver afhængighed.