기계 학습이 약물 남용의 낙인을 줄여줄 수 있다

워터루 대학교의 연구 팀은 기계 학습(Machine Learning, ML)과匿名화된 데이터가 개발 도상국에서 약물 남용과 관련된 낙인을 줄여줄 수 있는 방법을 보여주었다. 이러한 낙인은 종종 치료를 받는 것을 어렵게 만든다.

연구 논문은 “개별 약물 남용 예측을 위한 기계 학습 모델“이라는 제목으로 발표되었으며, 데이터 과학 연감 저널에 실렸다.

기본적인 요인에 대한 통찰력

새로운 접근 방식은 약물 남용 성향에 영향을 미치는 기본적인 요인에 대한 통찰력을 제공한다. 이것은 종종 사회적 및 문화적 금기시되는 주제에 대한 전혀 새로운 시각을 제공한다.

연구에서는 가족 관계, 약물 실험에 대한 호기심, 약물 남용으로 고통받는 친구와의 관계 등 여러 중요한 위험 요인을 확인했다.

Enamul Haque는 워터루 대학교의 컴퓨터 과학 박사 과정 학생이자 연구의 주요 저자이다.

“방글라데시와 같은 국가에서 사람들은 약물 남용 문제에 대해 논의하기를 주저한다”고 하크는 말했다. “이러한 연구는 정책 입안자들이 더 나은 정보를 가지고 더 나은 프로그램을 설계하여 약물 남용을 해결하는 데 도움이 될 것이다.”

위험 요인 식별을 위한 기계 학습 알고리즘 훈련

새로운 연구는 일대일 인터뷰와 대규모 온라인 설문조사 등 다양한 소스에서 수집된 데이터에 기반을 두고 있다. 설문조사 데이터는 주로 남아시아의 개발 도상국에서 수집되었다.

“우리가 설문조사를 실시한 국가에서 우리는 다양한 응답자 풀에서 데이터를 수집했다”고 하크는 계속했다. “우리는 연령, 성별 및 사회 경제적 맥락에 따라 다른 응답자를 찾았다.”

연구 팀은 먼저 연구에 사용할大量의 데이터를 수집했다. 그런 다음 약물 남용의 패턴과 주요 위험 요인을 식별하기 위해 기계 학습 알고리즘을 사용했다. 컴퓨터 과학 부분의 연구를 수행하기 위해 팀은 여러 단계의 데이터 분석과 정제를 설정했다.

“이 연구가 약물 남용 문제로 고통받는 사람들을 도와주고 필요한 지원을 받을 수 있도록 기대한다”고 하크는 말했다.

연구의 공동 저자로는 Uwaise Ibna Islam, Dheyaaldin Alsalman, Muhammad Nazrul Islam, Mohammad Ali Moni, Iqbal H. Sarker가 있다.

이 새로운 접근 방식은 인공지능과 기계 학습이 여러 심리적 및 신체적 중독을 해결하는 데 사용될 수 있는 많은 예 중 하나이다. 이러한 기술은 미래를 위한 혁신적인 치료법을 개발하고 각 중독의 기초 요인을 이해하는 데 많은 기회를 제공한다.