Học máy có thể giúp chống lại sự kỳ thị lạm dụng chất gây nghiện

Một nhóm nghiên cứu từ Đại học Waterloo đã chứng minh cách học máy (ML) và dữ liệu ẩn danh có thể giúp giải quyết sự kỳ thị liên quan đến lạm dụng chất gây nghiện ở các nước đang phát triển, điều thường gây khó khăn cho việc điều trị.

Bài báo nghiên cứu, có tiêu đề “Mô hình học máy để dự đoán việc lạm dụng chất gây nghiện của từng cá nhân với các yếu tố rủi ro liên quan,” đã được đăng trên tạp chí Biên niên sử khoa học dữ liệu.

Hiểu biết sâu sắc về các yếu tố cơ bản

Cách tiếp cận mới cung cấp cái nhìn sâu sắc về các yếu tố cơ bản ảnh hưởng đến xu hướng lạm dụng chất kích thích. Nó cung cấp một cái nhìn hoàn toàn mới về một chủ đề thường bị bao quanh bởi những điều cấm kỵ về xã hội và văn hóa.

Nghiên cứu đã xác định một số yếu tố rủi ro quan trọng, chẳng hạn như mối quan hệ gia đình, sự tò mò muốn thử nghiệm với ma túy và mối quan hệ với những người bạn cũng bị lạm dụng chất gây nghiện.

Enamul Haque là nhà nghiên cứu tiến sĩ về khoa học máy tính tại Đại học Waterloo và là tác giả chính của nghiên cứu.

Haque nói: “Ở một đất nước như Bangladesh, mọi người có thể do dự khi thảo luận về các vấn đề lạm dụng chất kích thích. “Loại nghiên cứu này sẽ cho phép các nhà hoạch định chính sách có thông tin tốt hơn và sau đó có thể thiết kế các chương trình tốt hơn để giúp giải quyết tình trạng lạm dụng chất gây nghiện.”

Đào tạo các thuật toán ML để xác định các yếu tố rủi ro

Nghiên cứu mới dựa trên dữ liệu được lấy từ nhiều nguồn khác nhau, chẳng hạn như phỏng vấn trực tiếp và khảo sát trực tuyến hàng loạt. Dữ liệu khảo sát hầu hết được lấy từ các nước đang phát triển ở Nam Á.

Haque tiếp tục: “Tại các quốc gia nơi chúng tôi tiến hành khảo sát, chúng tôi đã thu thập dữ liệu từ một nhóm người trả lời rộng lớn và đa dạng. “Chúng tôi đã tìm kiếm những người trả lời khác nhau dựa trên độ tuổi, giới tính và bối cảnh kinh tế xã hội.”

Trước tiên, nhóm đã thu thập một lượng lớn dữ liệu để sử dụng trong nghiên cứu. Sau đó, họ dựa vào các thuật toán học máy để xác định các mẫu và các yếu tố rủi ro chính của việc lạm dụng chất kích thích. Để thực hiện phần khoa học máy tính của nghiên cứu, nhóm đã thiết lập nhiều giai đoạn phân tích và sàng lọc dữ liệu.

Haque nói: “Tôi thực sự hy vọng nghiên cứu này có thể giúp mọi người đối phó với các vấn đề lạm dụng chất kích thích và nhận được sự hỗ trợ mà họ cần.

Các đồng tác giả của nghiên cứu bao gồm Uwaise Ibna Islam, Dheyaaldin Alsalman, Muhammad Nazrul Islam, Mohammad Ali Moni và Iqbal H. Sarker.

Cách tiếp cận mới này là một trong nhiều ví dụ về cách AI và máy học có thể được sử dụng để giải quyết một số chứng nghiện tâm lý và thể chất. Những công nghệ này cung cấp nhiều cơ hội để phát triển các phương pháp điều trị sáng tạo cho tương lai, cũng như hiểu được các yếu tố cơ bản góp phần gây ra từng chứng nghiện.