El algoritmo de inteligencia artificial puede ayudar a identificar a los jóvenes sin hogar en riesgo de abuso de sustancias
Un algoritmo de inteligencia artificial (IA) desarrollado por un equipo de investigación 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 estas personas altamente vulnerables.
Si bien se han implementado muchos programas para abordar la prevalencia del abuso de sustancias entre los jóvenes sin hogar en los EE. UU., Pocos o ninguno ha incluido información basada en datos sobre factores ambientales y psicológicos que podrían contribuir a la probabilidad de que una persona desarrolle un trastorno por uso de sustancias.
“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".
Maryam Tabar, estudiante de doctorado en informática y autora principal del artículo, agregó: “Para ayudar a los legisladores a diseñar programas y políticas efectivos de una manera basada en principios, sería beneficioso desarrollar soluciones de inteligencia artificial y aprendizaje automático que puedan descubrir automáticamente un conjunto integral de los factores asociados con el trastorno por uso de sustancias entre los jóvenes sin hogar ".
Los hallazgos se presentaron en la conferencia Knowledge Discovery in Databases (KDD).
Para el proyecto, el equipo de investigación construyó el modelo utilizando datos recopilados de aproximadamente 1,400 jóvenes sin hogar, de 18 a 26 años, en seis estados de EE. UU.
Los datos fueron recopilados por el Co-Lab de Investigación, Educación y Defensa para la Estabilidad y el Desarrollo Juvenil (REALYST), que incluye a Anamika Barman-Adhikari, profesora asistente de trabajo social en la Universidad de Denver y coautora del artículo.
Luego, el equipo de investigación identificó los factores ambientales, psicológicos y de comportamiento relacionados con el trastorno por uso de sustancias, como antecedentes penales, experiencias de victimización y características de salud mental.
Descubrieron que las experiencias adversas de la niñez y la victimización física en la calle estaban más fuertemente vinculadas al trastorno por uso de sustancias que otros tipos de victimización, como la victimización sexual, entre los jóvenes sin hogar.
Además, se encontró que el trastorno de estrés postraumático (PTSD) y la depresión están más fuertemente asociados con el trastorno por uso de sustancias que otros trastornos de salud mental entre esta población.
A continuación, el equipo dividió su conjunto de datos en seis conjuntos de datos más pequeños para observar las diferencias geográficas. Entrenaron un modelo separado para predecir el trastorno por uso de sustancias entre los jóvenes sin hogar en cada uno de los seis estados, que tienen diferentes condiciones ambientales, políticas de legalización de drogas y asociaciones de pandillas. El equipo encontró 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 eficaz 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, podemos predecir con mucha más precisión 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 el parque Heesoo de la Universidad de Sungkyunkwan.
Yadav y Barman-Adhikari están trabajando 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 luchan contra la adicción a los opioides. Los resultados de su simulación muestran que el agente de software, llamado CORTA (Herramienta de respuesta integral a opioides impulsada por inteligencia artificial), supera las líneas de base 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 explica que los datos recopilados por más de 1.400 jóvenes sin hogar en los EE. UU. Se utilizaron para construir modelos de inteligencia artificial para predecir la probabilidad de adicción a los opioides entre esta población. Después de analizar los problemas que podrían ser la causa subyacente de la adicción a los opioides, como el historial de cuidados de crianza o la 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 causante aún permanece, es probable que recaigan".
Fuente: Penn State