آیا هوش مصنوعی می تواند جرقه ای باشد که به اپیدمی مواد افیونی پایان می دهد؟

به گزارش اپ خونه، اپیدمی مواد افیونی از پیچیدگی خاصی برخوردار بوده است و محققان را برای بخش عمده ای از دو دهه سرگردان کرده است، زیرا آنها تلاش کرده اند تا عوامل اجتماعی و سیستمیک در حال تکاملی را که افراد را وادار به شروع سوء مصرف مواد افیونی می کند و همچنین بالقوه را شناسایی کنند، درک کنند.

این تلاش‌های خسته‌کننده و اغلب ناقص، همه زمانی اتفاق می‌افتند که پزشکان تلاش می‌کنند تا درمان ایمن، مؤثر و سایر منابع را برای کسانی که در گیرودار اعتیاد هستند فراهم کنند.

در حالی که هم محققان و هم پزشکان دامنه گسترده و مداوم اپیدمی مواد افیونی را بررسی می کنند، اکنون با کنجکاوی هوش مصنوعی را بررسی می کنند و می پرسند، آیا این همان چیزی است که به اپیدمی مواد افیونی پایان می دهد؟

یک گزارش حاکی از آن است که صنعت بیش از ۸.۳ میلیارد دلار در سال به دلیل دیر یا عدم پذیرش فناوری مانند پرونده های الکترونیکی پیشرفته سلامت ضرر می کند.

محققان بهداشت عمومی و مهندسان زیست پزشکی بی سر و صدا انقلابی را در پزشکی ایجاد کرده اند که از هوش مصنوعی استفاده می شود و جدیدترین ذینفع آن پیشگیری و درمان اعتیاد است.

اما عوارض اپیدمی مواد افیونی بیشتر از عوارض موجود در دفتر است. با بازگشت به سال ۱۹۹۹، بیش از ۱ میلیون نفر به دلیل مصرف بیش از حد مواد مخدر جان خود را از دست داده اند .

در سال ۲۰۲۱، ۱۰۶۶۹۹ مرگ ناشی از مصرف بیش از حد مواد مخدر در آمریکا رخ داد که یکی از بالاترین میزان سرانه در تاریخ این کشور است.

حدود ۷۵ درصد از همه این اوردوزها مربوط به استفاده از مواد افیونی است که شامل مسکن های تجویزی مانند Vicodin و Percocet و همچنین مواد خیابانی مانند هروئین است.

علیرغم اینکه مراکز کنترل و پیشگیری از بیماری و مؤسسه ملی بهداشت میلیاردها دلار را برای برنامه‌های آموزشی و نظارت بر نسخه‌ها سرمایه‌گذاری کردند، این همه‌گیری سرسختانه باقی مانده است.

جرل ایزل استادیار علوم بهداشت جامعه در دانشگاه کالیفرنیا، برکلی، دانشکده بهداشت عمومی است. او همچنین مدیر مرکز فروتنی فرهنگی برکلی و محقق فولبرایت است. او می گوید:

“در دهه گذشته، من در حال انجام تحقیقاتی در مورد اپیدمی مواد افیونی در جوامع روستایی و شهری در سراسر آمریکا، از جمله شهر نیویورک و مناطق روستایی جنوب ایلینوی بوده‌ام.”

“اکثر افراد در رشته من موافق هستند، هرچند با اکراه، که مقدار باورنکردنی حدس و گمان در شناسایی خطرات پیچیده ای که مصرف کنندگان مواد با آن مواجه هستند، وجود دارد. کدام داروها را دریافت خواهند کرد؟ آیا آنها آنها را تزریق می کنند، خرخر می کنند یا سیگار می کشند؟ در صورت مصرف بیش از حد و نیاز به کمک از چه کسی استفاده خواهند کرد؟”

پزشکان همچنین مرتباً با دستورالعمل‌های خاص فدرال و ایالتی در مورد درمان‌های مؤثر برای اختلال مصرف مواد افیونی، مانند سوباکسون، مبارزه می‌کنند و همچنین می‌بینند که با مواد مخدر غیرقابل پیش‌بینی فزاینده‌ای که به مواد افیونی مصنوعی و ارزان قیمتی مانند فنتانیل آلوده شده‌اند، بازی می‌کنند، که تا حد زیادی مسئول افزایش اخیر مرگ‌ومیرهای ناشی از مصرف بیش از حد مواد مخدر است .

در حالی که پیشرفت‌های هوش مصنوعی مانند ChatGPT چیزی است که تخیل اکثر مردم را به خود جلب کرده است، محققان بهداشت عمومی و مهندسان زیست پزشکی بی‌صدا در حال ساختن انقلابی مبتنی بر هوش مصنوعی در پزشکی هستند و جدیدترین ذینفعان پیشگیری و درمان اعتیاد هستند.

نوآوری‌ها در این فضا عمدتاً از یادگیری ماشینی برای شناسایی افرادی استفاده می‌کنند که ممکن است در معرض خطر ابتلا به اختلال مصرف مواد افیونی، ترک درمان و عود بیماری باشند.

به عنوان مثال، محققان مؤسسه فناوری جورجیا اخیراً تکنیک‌های یادگیری ماشینی را برای شناسایی مؤثر افرادی که در Reddit در معرض خطر سوء استفاده از فنتانیل هستند، توسعه داده‌اند ، در حالی که سایر محققان ابزاری را برای یافتن اطلاعات نادرست در مورد درمان‌های اختلال مصرف مواد افیونی توسعه داده‌اند، که هر دو می‌توانند به همتایان و طرفداران اجازه دهند تا در آموزش مداخله کنند.

سایر برنامه‌های مبتنی بر هوش مصنوعی، مانند Sobergrid ، در حال توسعه ظرفیت تشخیص زمانی هستند که افراد در معرض خطر عود بیماری هستند و سپس آنها را به یک مشاور بهبودی مرتبط می‌کنند.

تأثیرگذارترین پیشرفت ها مربوط به کاهش مصرف بیش از حد است که اغلب با مخلوط کردن مواد ایجاد می شود.

در دانشگاه پردو، محققان یک دستگاه پوشیدنی را توسعه داده و آزمایشی انجام دادند که می تواند علائم مصرف بیش از حد را تشخیص دهد و به طور خودکار نالوکسان، یک عامل معکوس کننده مصرف بیش از حد، به فرد تزریق کند .

یکی دیگر از پیشرفت‌های مهم، ایجاد ابزارهایی برای شناسایی آلاینده‌های خطرناک در مواد دارویی بوده است که می‌تواند مصرف بیش از حد ناشی از فنتانیل را به شدت کاهش دهد.

علی‌رغم این وعده عظیم، نگرانی‌هایی وجود دارد – آیا می‌توان از فناوری تشخیص چهره برای یافتن افرادی که به نظر می‌رسند معتاد هستند، استفاده کرد که منجر به تبعیض و سوء استفاده شود؟ اوبر قبلاً در سال ۲۰۰۸ گامی در توسعه این نوع ظرفیت برداشته بود و تلاش کرد حق اختراع فناوری را برای شناسایی مسافر مست انجام دهد.

و در مورد اطلاعات نادرست، مشکلی که در حال حاضر چت بات ها را گرفتار کرده است ، این است که امکان دارد احزاب مخرب اطلاعات نادرستی را در چت ربات ها جاسازی کنند تا مصرف کنندگان مواد مخدر را در مورد خطرات گمراه کنند.