La herramienta de inteligencia artificial aprovecha las redes sociales para abordar el abuso de sustancias

Cuando se trata de combatir el abuso de sustancias, las investigaciones sugieren que la compañía que mantiene puede marcar la diferencia entre la recuperación y la recaída.

Si bien los programas de intervención grupal pueden desempeñar un papel importante en la prevención del abuso de sustancias, también pueden exponer inadvertidamente a los participantes a comportamientos negativos.

Investigadores del Centro para la Inteligencia Artificial en la Sociedad de la Universidad del Sur de California (USC) han creado un algoritmo que clasifica a los participantes en programas de intervención que trabajan voluntariamente en la recuperación en grupos más pequeños de una manera que mantiene conexiones sociales útiles y rompe conexiones sociales que podrían perjudicial para la recuperación.

“Sabemos que el abuso de sustancias se ve muy afectado por la influencia social, en otras palabras, de quiénes son amigos”, dijo Aida Rahmattalabi, estudiante graduada en ciencias de la computación de la USC y autora principal del estudio. "Para mejorar la eficacia de las intervenciones, es necesario saber cómo las personas se influirán entre sí en un grupo".

Rahmattalabi e investigadores de la Escuela de Ingeniería de USC Viterbi, la Escuela de Trabajo Social Suzanne Dworak-Peck de la USC y la Universidad de Denver trabajaron con Urban Peak, una organización sin fines de lucro con sede en Denver que sirve a jóvenes sin hogar, para desarrollar el algoritmo, que esperan ayudará en la prevención del abuso de sustancias.

Los resultados mostraron que el algoritmo funcionó significativamente mejor que las estrategias de control para formar grupos, según los investigadores.

Cada año, hasta dos millones de niños en los EE. UU. Experimentarán la falta de hogar, y las estimaciones sugieren que entre el 39 y el 70 por ciento de los jóvenes sin hogar abusan de las drogas o el alcohol.

Las iniciativas de abuso de sustancias, como la terapia de grupo, pueden ofrecer apoyo al alentar a los jóvenes sin hogar a compartir sus experiencias, aprender estrategias de afrontamiento positivas y construir redes sociales saludables.

Pero si estos grupos no están estructurados adecuadamente, pueden exacerbar los problemas que pretenden tratar al fomentar la formación de amistades basadas en el comportamiento antisocial, señalan los investigadores. Este es un proceso conocido en el trabajo social como "entrenamiento en desviaciones", cuando los compañeros se refuerzan entre sí por comportamientos desviados, explican los investigadores.

El equipo abordó este problema desde una perspectiva de inteligencia artificial, creando un algoritmo que tiene en cuenta cómo los individuos de un subgrupo están conectados, sus vínculos sociales, y su historial previo de abuso de sustancias.

Los datos de encuestas recopilados voluntariamente de jóvenes sin hogar en Los Ángeles, así como las teorías de comportamiento y las observaciones de intervenciones anteriores, se utilizaron para construir un modelo computacional de las intervenciones.

“En base a esto, tenemos un modelo de influencia que explica qué tan probable es que un individuo adopte comportamientos negativos o cambie los comportamientos negativos en función de su participación en el grupo”, dijo Rahmattalabi. "Esto nos ayuda a predecir lo que sucede cuando agrupamos a las personas en grupos más pequeños".

Quizás el hallazgo más sorprendente fue que, contrariamente a la intuición común, distribuir uniformemente a los consumidores habituales de sustancias entre los subgrupos no es la forma óptima de diseñar una intervención exitosa, anotó.

“La distribución uniforme de los usuarios sin tener en cuenta sus relaciones existentes puede disminuir en gran medida la tasa de éxito de estas intervenciones”, dijo.

Además, el análisis sugiere que a veces realizar una intervención podría tener un efecto perjudicial en el grupo.

“En algunos casos, descubrimos que en realidad es una mala idea realizar la intervención. Por ejemplo, si tiene muchas personas de alto riesgo en un grupo, es mejor no conectarlas con personas de bajo riesgo ”, dijo.

A medida que se agregan nuevos datos al algoritmo, los investigadores esperan que se adapte a las condiciones cambiantes, revelando cómo evolucionan las redes sociales durante el curso del programa de intervención. Esto podría permitir a los intervencionistas determinar cómo una intervención moldeará los resultados de los participantes, dijeron los investigadores.

Los investigadores continúan trabajando con Urban Peak y planean implementar la herramienta para optimizar las estrategias de grupos de intervención para jóvenes sin hogar en Denver en el otoño de 2018.

El estudio, Maximización de la influencia para la prevención del abuso de sustancias basada en redes sociales, se publicó en la sección de resúmenes de estudiantes de la conferencia AAAI sobre inteligencia artificial.

Fuente: Universidad del Sur de California

!-- GDPR -->