AI可以预测犯罪和社会经济数据中的阿片类药物过量
阿片类药物滥用在全国范围内呈上升趋势。2017年，美国估计有170万人患有与处方阿片类止痛药有关的物质使用障碍，从2016年7月到2017年9月，美国疾病控制和预防中心的过量服用量增加了30%。此外，根据最近发表在“疼痛”杂志上的一项研究，大约21%至29%的患者使用阿片类药物治疗慢性疼痛。
毋庸置疑，趋势是逆转的必要性，为此，土耳其东部技术大学和匹兹堡大学的研究人员表示，他们取得了令人鼓舞的进展。在预印本服务器Arxiv.org上发表的一篇新论文(“CASTNet：用于阿片类药物过量预测的社区注意时空网络”)中，他们描述了一个能够预测社会经济学和犯罪事件模式过量的人工智能系统。.
“[我们]提出的模型允许解释哪些特征，来自哪些社区，对预测当地事件有更多的贡献，以及如何通过预测捕获这些社区，”该论文的共同作者解释说。“[S] tudies已经确定阿片类药物使用与犯罪发生率之间的关系，包括原因(阿片类药物使用导致犯罪活动)，影响(参与犯罪行为导致吸毒)和常见原因(犯罪和药物倾向于共同出现)“。
研究人员的算法--CASTNet - 学习了以“社区关注”的方式分享相似行为的社区中“动态”的数字表示。来自多个社区的过量贡献者(特征)为AI模型范围内的给定位置提供预测，并且还使模型能够识别哪些本地和全局特征最具预测性并隔离高风险社区。
该团队使用两种类型的功能来告知他们的AI预测：静态和动态。前者包括2010年人口普查数据，包括经济状况，教育水平，空置住房，家庭收入中位数，高中毕业率等，而动态特征则从公共安全数据门户中剔除了每个邻居犯罪统计数据，例如犯罪总数和阿片类药物过量事件总数。
为了保持范围的可控性，该团队专注于两个地区 - 芝加哥市(47个社区)和辛辛那提市(50个社区) - 他们为此收集了每个犯罪特征的地理位置，时间和类别。特别是芝加哥，他们从开源Opioid Mapping Initiative开放数据集中收集了阿片类药物过量死亡记录，而对于辛辛那提，他们使用了EMS响应数据。
该共同作者报告说，CASTNet取得了比测试它的基线架构更好的性能，并选择了诸如“毒品”，“攻击”，“盗窃”和“入室盗窃”等犯罪作为未来阿片类药物过量死亡的最重要特征。在相同的位置(以及多样性和人口密度)。
“基于这些结果，人口较多且性别多样性较低或较为中等的社区可能需要额外的资源来防止两个城市的阿片类药物过量，”研究人员写道。“此外，经济地位对两个城市的社区都很重要，这与以前的工作是一致的，这些工作表明，经济压力较大的群体(如低收入，贫困)可能容易滥用阿片类药物作为管理慢性病的方法。压力和情绪障碍。“
他们留待今后研究阿片类药物使用与其他社会现象之间联系的工作。