Maskinlæring kan hjelpe med stigmatisering av rusmisbruk

Et forskningsteam fra University of Waterloo har demonstrert hvordan maskinlæring (ML) og anonymiserte data kan hjelpe med å adresse stigmatiseringen forbundet med rusmisbruk i utviklingsland, som ofte gjør det vanskelig å få behandling.

Forskningsartikkelen, med tittelen “En maskinlæringsmodell for å forutsi individuell rusmisbruk med tilhørende risikofaktorer“, ble publisert i tidsskriftet Annals of Data Science.

Innsikt i underliggende faktorer

Den nye tilnærmingen ga innsikt i de underliggende faktorene som påvirker rusmisbrukstendenser. Den gir en helt ny innblick i et tema som ofte omgjæres av sosiale og kulturelle tabuer.

Forskningen identifiserte flere signifikante risikofaktorer, som familiære forhold, nysgjerrighet for å eksperimentere med rusmidler og forhold til venner som også lider av rusmisbruk.

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

“I et land som Bangladesh, kan folk være motvillige til å diskutere rusmisbrukproblemer,” sa Haque. “Dette slag av forskning vil enable policy-makers til å ha bedre informasjon og deretter kunne designe bedre programmer for å hjelpe med å adresse rusmisbruk.”

Trening av ML-algoritmer for å identifisere risikofaktorer

Den nye forskningen var basert på data hentet fra ulike kilder, som en-til-en-intervjuer og masseonline-undersøkelser. Undersøkelsesdataene var hovedsakelig hentet fra utviklingsland i Sør-Asia.

“Innenfor landene hvor vi gjennomførte undersøkelsen, samlet vi data fra en bred og diversifisert gruppe respondenter,” fortsatte Haque. “Vi så etter ulike respondenter basert på alder, kjønn og sosioøkonomisk kontekst.”

Teamet samlet først en stor mengde data som skulle brukes i studien. De brukte deretter maskinlæringsalgoritmer for å identifisere mønster og nøkkelrisikofaktorer for rusmisbruk. For å gjennomføre den datavitenskapelige delen av forskningen, satte teamet opp flere stadier av dataanalyse og finjustering.

“Jeg håper virkelig at denne forskningen kan hjelpe mennesker som sliter med rusmisbrukproblemer og gi dem støtten de trenger,” sa Haque.

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

Denne nye tilnærmingen er ett av mange eksempler på hvordan AI og maskinlæring kan brukes til å adresse flere psykiske og fysiske avhengigheter. Disse teknologiene gir mange muligheter for å utvikle innovative behandlinger for fremtiden, samt å forstå de underliggende faktorene som bidrar til hver avhengighet.