新的人工智能模型使用社交媒体的帖子可以帮助预测社区死于阿片类药物使用

临床医生和其他专业人士试图阻止阿片类危机在美国需要的所有工具能够准确地识别社区大量增加的风险死于阿片类药物使用和防止死亡。一个团队领导的一项研究石溪大学计算机科学家和发表在npj数字医学提出了一种独特的方式使用人工智能(AI)和社交媒体文章预测阿片类死亡率。

研究结果显示,一个复杂的人工智能算法预测阿片类药物死亡利率会从之前的2011年至2107年——更准确地比使用传统的研究者和临床医生经常使用的信息,如之前在社区和社会经济措施。

根据美国国家卫生统计中心,美国一直解决二十多年的阿片类药物流行病。和年龄调整opioid-related死亡增加了一些在20年内从1999年到2020年的350%。

作者马修Matero(石溪分校的计算机科学博士学位的学生),资深作者h·安德鲁施瓦茨(计算机科学副教授)和国家药物滥用研究所数据科学家萨尔瓦多Giorgi创建太多(阿片预测变压器),会提供对基层社区适用的趋势预测的新模型,利用社交媒体会提供对基层社区适用的语言,连同过去opioid-related死亡率的数据预测未来的变化opioid-related死亡。

根据作者,太构建在序列建模的最新进展,即变压器网络,在Twitter上使用年度变化的语言,和过去的死亡率,在许多项目第二年的死亡率。S县。

他们使用语言来自县推词汇银行的数据,收集的数据集,其中包含词使用Twitter上的2000多名美国县从2011年开始。他们建造了年度主题或分组,每个县从2011年到2017年出现在一起。

使用这种语言的数据作为一个中心点,他们把它与疾病控制和预防中心的数据查询收集每年每县opioid-related死亡。然后他们有限的完整数据集只有美国县opioid-related死亡的2011年至2017年。这总计357个县的数据,其中包括大约2.12亿人因此美国将近三分之二的人口

这种方法预测利率opioid-related死亡实际上发生在未来以惊人的准确性。

“这项研究的主要结果实际上是一个统计评估我们的人工智能模型的预测如何排队到底发生了什么,这样做并没有假设任何特定语言用于社会职位应该等于死亡率,”施瓦兹解释道。

他们发现,该模型预测opioid-related死亡预测的实际死亡率每年在每100000人1.15人死亡,只有绝对的平均百分比误差为3%。

施瓦兹和他的合著者识别周围的发病率和死亡率阿片类药物使用和它的预防是一个复杂的问题。

“会提供对基层社区适用的预测只是一行的攻击是一个非常复杂的问题,肯定需要一个多方面的和不断发展的反应,”施瓦兹说。“这工作太提供潜在的更准确预测opioid-related死亡,这将给专业人员和社区领导人的能力更好的准备和目标区域有可能增加死亡率。”

他们将继续评估这个人工智能模型以不同的方式来测试它的准确性。考虑到社交媒体及其措辞不断变化和发展,所以太可能进行调整和更新,以预测全国社区opioid-related死亡。

作者建议公共卫生官员和那些寻求解决阿片流行试图部署这样的人工智能模型来提高他们现有的社区评估得到一个更好的主意在社区和地区流行的方向在未来一年或几年。

他们还敦促,任何此类算法使用一个AI模型与社会职位应该包括一个复制的经验数据结果和外部有效性检查,,“所有的结果总是应该采取与其他证据的社区协商opioid-related死亡风险。”