盡管已經(jīng)實(shí)施了許多計(jì)劃和倡議來(lái)解決美國(guó)無(wú)家可歸青年中濫用的現(xiàn)象，但它們并不總是包括以數(shù)據(jù)為依據(jù)的對(duì)環(huán)境和心理因素的見(jiàn)解，這些因素可能會(huì)導(dǎo)致個(gè)人發(fā)展出使用的可能性紊亂。

現(xiàn)在，由賓夕法尼亞州立大學(xué)信息科學(xué)與技術(shù)學(xué)院的研究人員開(kāi)發(fā)的人工智能(AI)算法可以幫助預(yù)測(cè)無(wú)家可歸的年輕人中藥物濫用障礙的易感性，并為高度易感的無(wú)家可歸的年輕人提出個(gè)性化的康復(fù)計(jì)劃。

信息科學(xué)與技術(shù)助理教授，該項(xiàng)目的主要研究人員Amulya Yadav說(shuō)：“積極主動(dòng)地預(yù)防無(wú)家可歸的青年人的吸毒障礙比采取緩解反應(yīng)的策略(例如對(duì)該疾病的藥物治療和其他相關(guān)干預(yù)措施)更為可取。” “不幸的是，以前大多數(shù)主動(dòng)預(yù)防的嘗試都是臨時(shí)實(shí)施的。”

“為了幫助政策制定者以有原則的方式制定有效的計(jì)劃和政策，開(kāi)發(fā)人工智能和機(jī)器學(xué)習(xí)解決方案將能夠自動(dòng)發(fā)現(xiàn)與無(wú)家可歸的年輕人吸毒相關(guān)的一系列綜合因素，這將是有益的。”信息學(xué)博士生和項(xiàng)目論文的主要作者，該論文將在8月底的數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)(KDD)會(huì)議上發(fā)表。

在該項(xiàng)目中，研究團(tuán)隊(duì)使用從美國(guó)六個(gè)州的大約1400名18至26歲的無(wú)家可歸青年中收集的數(shù)據(jù)集構(gòu)建了模型。該數(shù)據(jù)集由青年穩(wěn)定與繁榮研究，教育和倡導(dǎo)合作實(shí)驗(yàn)室(REALYST)收集，其中包括丹佛大學(xué)社會(huì)工作助理教授Anamika Barman-Adhikari，也是該論文的合著者。

然后，研究人員確定了與藥物濫用相關(guān)的環(huán)境，心理和行為因素，例如史，受害經(jīng)歷和心理健康特征。他們發(fā)現(xiàn)，與無(wú)家可歸的年輕人相比，不良的童年經(jīng)歷和身體上的街頭受害與物質(zhì)使用障礙的關(guān)系要強(qiáng)于其他類型的受害(例如性行為)。此外，據(jù)研究人員稱，與該人群中的其他精神健康障礙相比，PTSD和抑郁癥與物質(zhì)使用障礙的相關(guān)性更高。

接下來(lái)，研究人員將其數(shù)據(jù)集分為六個(gè)較小的數(shù)據(jù)集，以分析地理差異。該團(tuán)隊(duì)訓(xùn)練了一個(gè)單獨(dú)的模型來(lái)預(yù)測(cè)六個(gè)州中每個(gè)州的無(wú)家可歸的年輕人中的藥物濫用疾病，這些州的環(huán)境條件，合法化政策和幫派協(xié)會(huì)各不相同。塔巴爾說(shuō)，研究小組觀察到了某些因素在關(guān)聯(lián)水平上的幾個(gè)特定于位置的變化。

Yadav說(shuō)：“通過(guò)查看模型學(xué)到的知識(shí)，我們可以有效地找出可能與濫用者相關(guān)的因素。” “而且一旦我們知道了這些因素，我們就可以更準(zhǔn)確地預(yù)測(cè)某人是否遭受藥物濫用。”

他補(bǔ)充說(shuō)：“因此，如果政策規(guī)劃師或干預(yù)人員要制定旨在減少濫用的患病率的計(jì)劃，則可以提供有用的指導(dǎo)。”