Наука и жизнь

ИИ может прогнозировать передозировку опиоидов

ИИ может прогнозировать передозировку опиоидов

Злоупотребление опиоидами растет в США. По различным оценкам, в среднем 1,7 миллиона человек в Соединенных Штатах страдали от расстройств, связанных с употреблением психоактивных веществ, связанных с назначением опиоидных болеутоляющих средств в 2017 году, а с июля 2016 года по сентябрь 2017 года в 45 штатах Центры по контролю и профилактике заболеваний зафиксировали 30%-ное увеличение числа передозировок. Кроме того, согласно недавнему исследованию, опубликованному в журнале Pain, примерно от 21% до 29% пациентов назначаются опиоиды для лечения хронической боли.

Излишне говорить, что необходимо обратить вспять эту тенденцию, и с этой целью исследователи из Восточного технического университета в Турции и Университета Питтсбурга, США, говорят, что добились обнадеживающего прогресса. В новом документе («CASTNet: общественно-активные пространственно-временные сети для прогнозирования передозировки опиоидов»), опубликованном на сервере препринтов Arxiv.org, они описывают систему искусственного интеллекта, способную прогнозировать передозировки по социально-экономическим причинам и схемам преступлений.

«Предложенная модель позволяет интерпретировать, какие особенности, из каких сообществ вносят больший вклад в прогнозирование локальных инцидентов, а также как эти сообщества фиксируются при прогнозировании», — пояснили соавторы статьи. — «В исследованиях были выявлены взаимосвязи между употреблением опиоидов и преступностью, включая причину (то, что употребление опиоидов ведет к преступной деятельности), эффект (то, что участие в преступной деятельности приводит к употреблению наркотиков) и общие причины (то, что преступность и наркотики имеют тенденцию сосуществовать).»

Команда использовала два типа функций для информирования прогнозов своих ИИ: статические и динамические. Первые включали данные переписи 2010 года об экономических статусах, уровне образования, свободном жилье, медианном доходе домохозяйства, показателях окончания средней школы и т. д. В то время как динамические характеристики, полученные из статистики преступности по районам, были получены из порталов данных общественной безопасности, таких как общее количество преступлений и общее количество случаев передозировки опиоидов.

Чтобы сохранить управляемость, группа сосредоточилась на двух регионах — городе Чикаго (47 районов) и городе Цинциннати (50 районов), для которых были собраны геолокация, время и категория для каждого объекта преступления. В частности, в Чикаго они собирали записи о смертности от передозировки опиоидов из открытых источников данных Инициативы по картированию опиоидов, а для Цинциннати они использовали данные ответов EMS.

Соавторы сообщают, что CASTNet добился лучшей производительности, чем базовая архитектура, на которой он был изначально протестирован, и что он выбрал такие преступления, как «наркотики», «нападение», «кража» и «кража со взломом» в качестве наиболее важных характеристик для будущих смертей от передозировки опиоидами в тех же местах (наряду с разнообразием и плотностью населения).

«Исходя из этих результатов, районы с более высокой численностью населения и низким или умеренным гендерным разнообразием могут потребовать дополнительных ресурсов для предотвращения передозировки опиоидов», — пишут исследователи. — «Кроме того, экономический статус важен для районов обоих городов, что согласуется с предыдущей работой, в которой предполагалось, что сообщества с более высокой концентрацией экономических факторов (например, низкий доход, бедность) могут быть уязвимы для злоупотребления опиоидами в качестве способа борьбы с хроническими заболеваниями, стрессом и расстройствами настроения».

Поделиться с миром: