Η μηχανική μάθηση θα μπορούσε να βοηθήσει στο στίγμα κατάχρησης ουσιών

Μια ερευνητική ομάδα από το Πανεπιστήμιο του Waterloo έδειξε πώς η μηχανική μάθηση (ML) και τα ανώνυμα δεδομένα θα μπορούσαν να βοηθήσουν στην αντιμετώπιση του στίγματος που σχετίζεται με την κατάχρηση ουσιών στις αναπτυσσόμενες χώρες, γεγονός που συχνά καθιστά δύσκολη τη λήψη θεραπείας.

Η ερευνητική εργασία με τίτλο «Ένα μοντέλο μηχανικής μάθησης για την πρόβλεψη μεμονωμένης κατάχρησης ουσιών με σχετιζόμενους παράγοντες κινδύνου», δημοσιεύτηκε στο περιοδικό Annals of Data Science.

Ενόραση στους υποκείμενους παράγοντες

Η νέα προσέγγιση παρείχε πληροφορίες για τους υποκείμενους παράγοντες που επηρεάζουν τις τάσεις κατάχρησης ουσιών. Παρέχει μια ολοκαίνουργια ματιά σε ένα θέμα που συχνά περιβάλλεται από κοινωνικά και πολιτιστικά ταμπού.

Η έρευνα εντόπισε αρκετούς σημαντικούς παράγοντες κινδύνου, όπως οι οικογενειακές σχέσεις, η περιέργεια να πειραματιστείτε με ναρκωτικά και οι σχέσεις με φίλους που υποφέρουν επίσης από κατάχρηση ουσιών.

Ο Enamul Haque είναι διδάκτωρ ερευνητής στην επιστήμη των υπολογιστών στο Πανεπιστήμιο του Waterloo και επικεφαλής συγγραφέας της έρευνας.

«Σε μια χώρα όπως το Μπαγκλαντές, οι άνθρωποι μπορεί να διστάζουν να συζητήσουν θέματα κατάχρησης ουσιών», είπε ο Haque. «Αυτό το είδος έρευνας θα επιτρέψει στους υπεύθυνους χάραξης πολιτικής να έχουν καλύτερες πληροφορίες και στη συνέχεια να είναι σε θέση να σχεδιάσουν καλύτερα προγράμματα για να βοηθήσουν στην αντιμετώπιση της κατάχρησης ουσιών».

Εκπαίδευση αλγορίθμων ML για τον εντοπισμό παραγόντων κινδύνου

Η νέα έρευνα βασίστηκε σε δεδομένα που αντλήθηκαν από διάφορες πηγές, όπως συνεντεύξεις ένας προς έναν και μαζικές διαδικτυακές έρευνες. Τα δεδομένα της έρευνας προέρχονται κυρίως από αναπτυσσόμενες χώρες της Νότιας Ασίας.

«Στις χώρες όπου πραγματοποιήσαμε την έρευνα, συλλέξαμε δεδομένα από μια ευρεία και διαφορετική ομάδα ερωτηθέντων», συνέχισε ο Haque. «Αναζητήσαμε διαφορετικούς ερωτηθέντες με βάση την ηλικία, το φύλο και το κοινωνικοοικονομικό πλαίσιο».

Η ομάδα συνέλεξε αρχικά έναν τεράστιο όγκο δεδομένων που θα χρησιμοποιηθούν στη μελέτη. Στη συνέχεια βασίστηκαν σε αλγόριθμους μηχανικής μάθησης για τον εντοπισμό προτύπων και βασικών παραγόντων κινδύνου κατάχρησης ουσιών. Προκειμένου να πραγματοποιήσει το μέρος της έρευνας της επιστήμης των υπολογιστών, η ομάδα δημιούργησε πολλαπλά στάδια ανάλυσης και τελειοποίησης δεδομένων.

«Ελπίζω πραγματικά ότι αυτή η έρευνα μπορεί να βοηθήσει τους ανθρώπους που αντιμετωπίζουν ζητήματα κατάχρησης ουσιών και να τους εξασφαλίσει την υποστήριξη που χρειάζονται», είπε ο Haque.

Οι συν-συγγραφείς της έρευνας ήταν οι Uwaise Ibna Islam, Dheyaaldin Alsalman, Muhammad Nazrul Islam, Mohammad Ali Moni και Iqbal H. Sarker.

Αυτή η νέα προσέγγιση είναι ένα από τα πολλά παραδείγματα για το πώς η τεχνητή νοημοσύνη και η μηχανική μάθηση μπορούν να χρησιμοποιηθούν για την αντιμετώπιση αρκετών ψυχολογικών και σωματικών εθισμών. Αυτές οι τεχνολογίες παρέχουν πολλές ευκαιρίες για την ανάπτυξη καινοτόμων θεραπειών για το μέλλον, καθώς και για την κατανόηση των υποκείμενων παραγόντων που συμβάλλουν σε κάθε εθισμό.