Santé
L’apprentissage automatique pourrait aider à lutter contre la stigmatisation de l’abus de substances
Une équipe de recherche de l’Université de Waterloo a démontré comment l’apprentissage automatique (ML) et les données anonymisées pourraient aider à lutter contre la stigmatisation associée à l’abus de substances dans les pays en développement, ce qui rend souvent difficile l’accès au traitement.
L’article de recherche, intitulé « Un modèle d’apprentissage automatique pour prédire l’abus de substances individuelles avec des facteurs de risque associés », a été publié dans la revue Annals of Data Science.
Aperçu des facteurs sous-jacents
La nouvelle approche a fourni un aperçu des facteurs sous-jacents qui influencent les tendances à l’abus de substances. Elle offre un nouveau regard sur un sujet souvent entouré de tabous sociaux et culturels.
La recherche a identifié plusieurs facteurs de risque importants, tels que les relations familiales, la curiosité d’expérimenter les drogues et les relations avec des amis qui souffrent également d’abus de substances.
Enamul Haque est un chercheur en doctorat en informatique à l’Université de Waterloo et auteur principal de la recherche.
« Dans un pays comme le Bangladesh, les gens peuvent hésiter à discuter des problèmes d’abus de substances », a déclaré Haque. « Ce type de recherche permettra aux décideurs politiques d’avoir de meilleures informations et de pouvoir concevoir de meilleurs programmes pour lutter contre l’abus de substances. »
Formation d’algorithmes d’apprentissage automatique pour identifier les facteurs de risque
La nouvelle recherche était basée sur des données issues de diverses sources, telles que des entretiens en personne et des sondages en ligne de masse. Les données du sondage provenaient principalement de pays en développement d’Asie du Sud.
« Dans les pays où nous avons mené le sondage, nous avons collecté des données à partir d’un large et diversifié groupe de répondants », a poursuivi Haque. « Nous avons cherché des répondants différents en fonction de l’âge, du sexe et du contexte socio-économique. »
L’équipe a tout d’abord collecté une grande quantité de données à utiliser dans l’étude. Ils ont ensuite utilisé des algorithmes d’apprentissage automatique pour identifier les modèles et les facteurs de risque clés de l’abus de substances. Afin de réaliser la partie informatique de la recherche, l’équipe a mis en place plusieurs étapes d’analyse et d’affinement des données.
« J’espère vraiment que cette recherche pourra aider les personnes aux prises avec des problèmes d’abus de substances et leur apporter le soutien dont elles ont besoin », a déclaré Haque.
Les co-auteurs de la recherche comprenaient Uwaise Ibna Islam, Dheyaaldin Alsalman, Muhammad Nazrul Islam, Mohammad Ali Moni et Iqbal H. Sarker.
Cette nouvelle approche est l’un des nombreux exemples de la façon dont l’IA et l’apprentissage automatique peuvent être utilisés pour lutter contre plusieurs addictions psychologiques et physiques. Ces technologies offrent de nombreuses opportunités de développer des traitements innovants pour l’avenir, ainsi que de comprendre les facteurs sous-jacents qui contribuent à chaque addiction.
