Bien que de nombreux programmes et initiatives aient été mis en œuvre pour lutter contre la prévalence de la toxicomanie chez les jeunes sans-abri aux États-Unis, ils n'incluent pas toujours des informations fondées sur des données sur les facteurs environnementaux et psychologiques qui pourraient contribuer à la probabilité qu'une personne développe une consommation de substances. désordre.
Désormais, un algorithme d'intelligence artificielle (IA) développé par des chercheurs du College of Information Sciences and Technology de Penn State pourrait aider à prédire la susceptibilité aux troubles liés à l'usage de substances chez les jeunes sans-abri et suggérer des programmes de réadaptation personnalisés pour les jeunes sans-abri très sensibles.
La prévention proactive du trouble lié à l'usage de substances chez les jeunes sans-abri est beaucoup plus souhaitable que les stratégies d'atténuation réactives telles que les traitements médicaux du trouble et d'autres interventions connexes. Malheureusement, la plupart des tentatives précédentes de prévention proactive ont été ponctuelles dans leur mise en œuvre. «
Amulya Yadav, professeur adjoint de sciences et technologies de l'information et chercheur principal sur le projet
« Pour aider les décideurs à concevoir des programmes et des politiques efficaces selon des principes, il serait avantageux de développer des solutions d'IA et d'apprentissage automatique qui peuvent automatiquement découvrir un ensemble complet de facteurs associés aux troubles liés à l'usage de substances chez les jeunes sans-abri », a ajouté Maryam Tabar, une doctorant en informatique et auteur principal du document de projet qui sera présenté à la conférence Knowledge Discovery in Databases (KDD) fin août.
Dans ce projet, l'équipe de recherche a construit le modèle à l'aide d'un ensemble de données collectées auprès d'environ 1400 jeunes sans-abri, âgés de 18 à 26 ans, dans six États américains. L'ensemble de données a été collecté par le Co-Lab de recherche, d'éducation et de plaidoyer pour la stabilité et l'épanouissement des jeunes (REALYST), qui comprend Anamika Barman-Adhikari, professeur adjoint de travail social à l'Université de Denver et co-auteur de l'article.
Les chercheurs ont ensuite identifié parmi eux les facteurs environnementaux, psychologiques et comportementaux associés aux troubles liés à l'usage de substances – comme les antécédents criminels, les expériences de victimisation et les caractéristiques de santé mentale. Ils ont constaté que les expériences négatives de l'enfance et la victimisation physique de la rue étaient plus fortement associées aux troubles liés à l'usage de substances que d'autres types de victimisation (comme la victimisation sexuelle) chez les jeunes sans-abri. De plus, le SSPT et la dépression se sont révélés plus fortement associés aux troubles liés à l'usage de substances que d'autres troubles de santé mentale dans cette population, selon les chercheurs.
Ensuite, les chercheurs ont divisé leur ensemble de données en six ensembles de données plus petits pour analyser les différences géographiques. L'équipe a formé un modèle distinct pour prédire les troubles liés à la toxicomanie chez les jeunes sans-abri dans chacun des six États – qui ont des conditions environnementales, des politiques de légalisation des drogues et des associations de gangs variables. L'équipe a observé plusieurs variations spécifiques à l'emplacement dans le niveau d'association de certains facteurs, selon Tabar.
«En examinant ce que le modèle a appris, nous pouvons effectivement découvrir les facteurs qui peuvent jouer un rôle corrélatif avec les personnes souffrant de troubles liés à la toxicomanie», a déclaré Yadav. « Et une fois que nous connaissons ces facteurs, nous sommes beaucoup plus en mesure de prédire si quelqu'un souffre de toxicomanie. »
Il a ajouté: « Donc, si un planificateur de politiques ou un intervenant devait développer des programmes qui visent à réduire la prévalence des troubles liés à la toxicomanie, cela pourrait fournir des directives utiles. »
Parmi les autres auteurs de l'article de KDD figurent Dongwon Lee, professeur agrégé, et Stephanie Winkler, étudiante au doctorat, toutes deux au Penn State College of Information Sciences and Technology; et Heesoo Park de l'Université Sungkyunkwan.
Yadav et Barman-Adhikari collaborent à un projet similaire à travers lequel ils ont développé un agent logiciel qui conçoit des programmes de réadaptation personnalisés pour les jeunes sans-abri souffrant de dépendance aux opioïdes. Les résultats de leurs simulations montrent que l'agent logiciel – appelé CORTA (Comprehensive Opioid Response Tool Driven by Artificial Intelligence) – surpasse les valeurs de référence d'environ 110% en minimisant le nombre de jeunes sans-abri souffrant de dépendance aux opioïdes.
« Nous voulions comprendre quels sont les problèmes causaux derrière les personnes développant une dépendance aux opiacés », a déclaré Yadav. « Et puis nous avons voulu affecter ces jeunes sans-abri au programme de réadaptation approprié. »
Yadav a expliqué que les données recueillies par plus de 1400 jeunes sans-abri aux États-Unis ont été utilisées pour construire des modèles d'IA afin de prédire la probabilité de dépendance aux opioïdes au sein de cette population. Après avoir examiné les problèmes qui pourraient être la cause sous-jacente de la dépendance aux opioïdes – tels que les antécédents de placement familial ou l'exposition à la violence de la rue – CORTA résout de nouvelles formulations d'optimisation pour attribuer des programmes de réadaptation personnalisés.
«Par exemple, si une personne a développé une dépendance aux opioïdes parce qu'elle était isolée ou n'avait pas de cercle social, alors peut-être dans le cadre de son programme de réadaptation, elle devrait parler à un conseiller», a expliqué Yadav. «D'un autre côté, si quelqu'un a développé une dépendance parce qu'il était déprimé parce qu'il ne pouvait pas trouver un emploi ou payer ses factures, alors un conseiller en carrière devrait faire partie du plan de réadaptation.
Yadav a ajouté: « Si vous traitez simplement la maladie médicalement, une fois qu'ils retournent dans le monde réel, puisque le problème causal persiste, ils risquent de rechuter. »
