Si bien se han implementado muchos programas e iniciativas para abordar la prevalencia del abuso de sustancias entre los jóvenes sin hogar en los Estados Unidos, no siempre incluyen conocimientos basados en datos sobre factores ambientales y psicológicos que podrían contribuir a la probabilidad de que un individuo desarrolle una enfermedad.trastorno por uso de sustancias.
Ahora, un algoritmo de inteligencia artificial IA desarrollado por investigadores de la Facultad de Ciencias de la Información y Tecnología de Penn State podría ayudar a predecir la susceptibilidad al trastorno por uso de sustancias entre los jóvenes sin hogar y sugerir programas de rehabilitación personalizados para jóvenes sin hogar altamente susceptibles.
"La prevención proactiva del trastorno por uso de sustancias entre los jóvenes sin hogar es mucho más deseable que las estrategias de mitigación reactiva, como los tratamientos médicos para el trastorno y otras intervenciones relacionadas", dijo Amulya Yadav, profesora asistente de ciencias y tecnología de la información e investigadora principal del proyecto.. "Desafortunadamente, la mayoría de los intentos anteriores de prevención proactiva han sido ad-hoc en su implementación".
"Para ayudar a los formuladores de políticas a diseñar programas y políticas eficaces de manera basada en principios, sería beneficioso desarrollar soluciones de inteligencia artificial y aprendizaje automático que puedan descubrir automáticamente un conjunto integral de factores asociados con el trastorno por uso de sustancias entre los jóvenes sin hogar", agregó Maryam Tabar., estudiante de doctorado en informática y autor principal del documento del proyecto que se presentará en la conferencia Knowledge Discovery in Databases KDD a fines de agosto.
En ese proyecto, el equipo de investigación creó el modelo utilizando un conjunto de datos recopilado de aproximadamente 1400 jóvenes sin hogar, de entre 18 y 26 años, en seis estados de EE. UU. El conjunto de datos fue recopilado por el Co-Lab de Investigación, Educación y Defensa para la Estabilidad de la Juventud yThriving REALYST, que incluye a Anamika Barman-Adhikari, profesora asistente de trabajo social en la Universidad de Denver y coautora del artículo.
Los investigadores luego identificaron factores ambientales, psicológicos y de comportamiento asociados con el trastorno por uso de sustancias entre ellos, como antecedentes penales, experiencias de victimización y características de salud mental. Descubrieron que las experiencias adversas en la niñez y la victimización física en la calle estaban más fuertemente asociadas con el uso de sustanciastrastorno que otros tipos de victimización como la victimización sexual entre los jóvenes sin hogar. Además, se encontró que el PTSD y la depresión estaban más fuertemente asociados con el trastorno por uso de sustancias que otros trastornos de salud mental entre esta población, según los investigadores.
A continuación, los investigadores dividieron su conjunto de datos en seis conjuntos de datos más pequeños para analizar las diferencias geográficas. El equipo entrenó un modelo separado para predecir el trastorno por abuso de sustancias entre los jóvenes sin hogar en cada uno de los seis estados, que tienen diferentes condiciones ambientales, políticas de legalización de drogas yasociaciones de pandillas. El equipo observó varias variaciones específicas de la ubicación en el nivel de asociación de algunos factores, según Tabar.
"Al observar lo que ha aprendido el modelo, podemos descubrir de manera efectiva los factores que pueden desempeñar un papel correlacional con las personas que padecen un trastorno por abuso de sustancias", dijo Yadav. "Y una vez que conocemos estos factores, somos mucho más capacespara predecir si alguien sufre de consumo de sustancias ".
Añadió: "Entonces, si un planificador de políticas o un intervencionista desarrollara programas que apunten a reducir la prevalencia del trastorno por abuso de sustancias, esto podría proporcionar pautas útiles".
Otros autores del artículo de KDD incluyen a Dongwon Lee, profesor asociado, y Stephanie Winkler, estudiante de doctorado, ambos en el Penn State College of Information Sciences and Technology; y Heesoo Park de la Sungkyunkwan University.
Yadav y Barman-Adhikari están colaborando en un proyecto similar a través del cual han desarrollado un agente de software que diseña programas de rehabilitación personalizados para jóvenes sin hogar que sufren de adicción a los opioides. Los resultados de la simulación muestran que el agente de software, llamado CORTA Comprehensive Opioid ResponseHerramienta impulsada por inteligencia artificial: supera los valores de referencia en aproximadamente un 110% para minimizar el número de jóvenes sin hogar que sufren adicción a los opioides.
"Queríamos entender cuáles son los problemas causales detrás de las personas que desarrollan adicción a los opiáceos", dijo Yadav. "Y luego queríamos asignar a estos jóvenes sin hogar al programa de rehabilitación apropiado".
Yadav explicó que los datos recopilados por más de 1.400 jóvenes sin hogar en los EE. UU. Se usaron para construir modelos de IA para predecir la probabilidad de adicción a los opioides entre esta población. Después de examinar los problemas que podrían ser la causa subyacente de la adicción a los opioides, como elhistorial de atención médica o exposición a la violencia callejera: CORTA resuelve fórmulas de optimización novedosas para asignar programas de rehabilitación personalizados.
"Por ejemplo, si una persona desarrolló una adicción a los opioides porque estaba aislada o no tenía un círculo social, entonces tal vez como parte de su programa de rehabilitación debería hablar con un consejero", explicó Yadav. "Por otro lado,, si alguien desarrolló una adicción porque estaba deprimido porque no podía encontrar un trabajo o pagar sus facturas, entonces un consejero profesional debería ser parte del plan de rehabilitación ".
Yadav agregó: "Si solo trata la afección médicamente, una vez que regresan al mundo real, dado que el problema causal aún permanece, es probable que recaigan".
Yadav y Barman-Adhikari presentarán su documento sobre CORTA, "Diseño de programas de rehabilitación óptimos y no discriminatorios para la adicción a los opioides entre jóvenes sin hogar", en la Conferencia Internacional Conjunta sobre Inteligencia Artificial-Conferencia Internacional de la Cuenca del Pacífico sobre Inteligencia Artificial IJCAI-PRICAI, que iba a celebrarse en julio de 2020, pero se reprograma debido a la nueva pandemia de coronavirus.
Otros colaboradores en el proyecto CORTA incluyen a los estudiantes de doctorado de Penn State Roopali Singh estadísticas, Nikolas Siapoutis estadísticas y Yu Liang informática.
Fuente de la historia :
Materiales proporcionado por Penn State . Original escrito por Jessica Hallman. Nota: el contenido se puede editar por estilo y longitud.
cite esta página :