Học Máy Có Thể Giúp Cải Thiện Tình Trạng Lạm Dụng Chất

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 tình trạng lạm dụng chất ở các nước đang phát triển, nơi thường khó khăn để nhận được điều trị.

Bài nghiên cứu, có tiêu đề “Mô Hình Học Máy Để Dự Đoán Lạm Dụng Chất Cá Nhân Với Các Yếu Tố Rủi Ro“, được xuất bản trên tạp chí Annals of Data Science.

Sự Thấu Hiểu Về Các Yếu Tố Dưới Bề Mặt

Phương pháp mới này cung cấp sự thấu hiểu về các yếu tố dưới bề mặt ảnh hưởng đến xu hướng lạm dụng chất. Nó cung cấp một cái nhìn hoàn toàn mới về một chủ đề thường được bao quanh bởi các taboos 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 bạn bè cũng bị lạm dụng chất.

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

“Tại một quốc gia như Bangladesh, mọi người có thể do dự khi thảo luận về vấn đề lạm dụng chất”, Haque nói. “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 vấn đề lạm dụng chất.”

Huấn Luyện Thuật Toán Học Máy Để Xác Định Các Yếu Tố Rủi Ro

Nghiên cứu mới này dựa trên dữ liệu thu thập từ các nguồn khác nhau, chẳng hạn như các cuộc phỏng vấn trực tiếp và khảo sát trực tuyến. Dữ liệu khảo sát chủ yếu được thu thập từ các nước đang phát triển ở Nam Á.

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

Đội ngũ đầu tiên 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 lạm dụng chất. Để thực hiện phần khoa học máy tính của nghiên cứu, đội ngũ đã thiết lập nhiều giai đoạn phân tích và tinh chỉnh dữ liệu.

“Tôi thực sự hy vọng nghiên cứu này có thể giúp những người đang đối mặt với vấn đề lạm dụng chất và giúp họ nhận được sự hỗ trợ cần thiết”, Haque nói.

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

Phương pháp mới này là một trong những ví dụ về cách trí tuệ nhân tạo và học máy có thể được sử dụng để giải quyết một số loại 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 để hiểu các yếu tố dưới bề mặt góp phần vào từng loại nghiện.