AIテクノロジーは、物質使用のリスクがあるADHDの若者の早期発見を改善するのに役立つ可能性があります–ギャップブログに注意してください

by REVOLUSYNAPSE
0 comment


薬物依存症としても知られる物質使用障害(SUD)は、ADHDとの最も問題のある同時発生状態の1つです。 ADHDのある子供は、ADHDのない子供と比較して、後年にSUDを発症する可能性が2倍になります。 [1, 2]。 物質を使用する前であっても、危険にさらされている子供や青年を特定することは、SUDを防ぐための重要なステップになる可能性があります。 しかし、誰が危険にさらされているかをどうやって知るのでしょうか? 人工知能(AI)テクノロジーは、危険因子を特定し、個人が後年にSUDを発症する可能性を予測するための有望なツールです。

による画像 rebcenter-モスクワ
SUDとADHD

SUDは、アルコール、マリファナ、ニコチン、オピオイドなどの物質の衝動的な使用を伴う精神疾患です。 物質の使用は、多くの場合、喫煙や飲酒などの青年期の実験から始まります。 研究によると、ADHDの青年は若い年齢でこれらの実験を開始し、より早くヘビーユーザーになり、より深刻な機能障害を発症することがよくあります [3]。 確かに、物質の最初の使用のより若い年齢は、人生の後半で物質を乱用するより高いリスクと関連しています。

SUDは重大な害と個人的および社会的負担を引き起こしますが、実際には予防および治療可能な状態です。 リスクのある若者を早期に特定することは、より的を絞った早期介入を可能にするため、特に重要です。 研究によると、学校や地域社会に根ざした予防プログラムは、薬物使用の削減に非常に効果的である可能性があります。 薬物療法と行動療法の両方でADHDを治療および管理することも、物質使用を減らすという点で有益であることがわかっています。 [4, 5]。 最初の試みの前にリスクの高い青年をスクリーニングおよび特定でき、そのような薬物使用の開始をさらに「落胆」および「予防」できることは、おそらくSUDの最も費用効果の高い予防プログラムでしょう。

しかし、彼らが薬を使い始める前でさえ、誰が高リスクで誰がそうでないかをどうやって知るのでしょうか? 1つの方法は、人工知能(AI)テクノロジーを非常に大規模なデータベースと組み合わせて使用​​することです。

SUDの機械学習予測モデル

機械学習はAIテクノロジーの特別なサブセットであり、完全にデータ駆動型の方法で隠れたパターンと属性を学習できます。 機械学習アルゴリズムは、大量のデータへの反復的な露出から学習し、その後、モデルがこれらのトレーニング例から学習した内容に基づいて予測を行います。

この最近公開されたEU資金による研究では 児童精神医学と心理学のジャーナル [6]、私の同僚と私は、スウェーデンの国家登録簿から収集されたデータに機械学習モデルを適用しました。 これらのレジストリには、ADHDやSUDなどの臨床診断に関する情報を含む、何百万人もの人々の家族および健康データが含まれています。 私たちの研究では、ADHDの子供に焦点を当て、最終的にSUDと診断される子供と診断されない子供を予測するためにさまざまなモデルをトレーニングしました。 この研究では、19,000人以上のADHDの子供が使用されました。 モデルのトレーニングに使用した収集情報には、精神医学的および身体的診断、これらの障害の家族歴、社会経済的状況、および出生時の合併症が含まれていました。

機械学習アルゴリズムは、ADHDの子供または青年のSUDを予測するための2つの有用なモデルを作成しました。 最初のものは、18〜20歳の将来のSUD診断のために17歳で予測を行います。 これは、多くの場合初めて家を出る若い成人が仲間の影響に対してより主観的であり、物質の最初の使用を開始する重要な時期です。 2番目のモデルである縦断モデルは、2歳から17歳までのすべての年齢で、将来の最大10年間のSUD診断について毎年予測を行います。 どちらのモデルも重要な予測を行うことができることがわかりました。 これは、データセットの一部(モデルのトレーニングには使用されなかった)でモデルをテストした場合、偶然から予想されるよりも、モデルがSUDの結果を予測するのに正しいことが多かったことを意味します。 これは、モデルがADHDの人がSUDを発症するかどうかを予測するデータ内の特定のパラメーターを学習したと解釈できます。

SUDリスクの早期発見

重要な発見の1つは、縦断モデルが2歳から最大10年先まで有意な予測を行うことができたことです。 データセット内の有効なSUD診断の最も早い年齢は12歳でした。「教師あり学習」と呼ばれる方法を使用して、モデルを「教え」、12歳でSUDと診断される2歳の子供を特定しました。トレーニングは、1年、2年、5年、または10年の任意の見通しについて各年齢に対して実施されました。 物質使用の最初の試みの何年も前に危険にさらされている子供たちを首尾よく予測することができることは本当に有望な結果です。 さらに、すべての年齢での年次予測は、SUDのリスクを追跡する監視システムを提供し、何年にもわたってリスクを増加または減少させます。

予測モデルから何を学びましたか?

これらのモデルの予測は完全ではなかったことを強調することが重要です。 誰がSUDを開発し、誰が開発しないかを識別する際に、アルゴリズムが常に正しいとは限りません。 ただし、それらは他よりも有益ないくつかの重要な予測因子への洞察を提供します。 たとえば、ADHDと社会経済的状態の早期発見と診断。 人口レベルでは、ADHDの早期診断は、後年にSUDを発症するリスクが低いことと関連していたが、社会経済的状態が悪いことはリスクが高いことと関連していた。 ただし、リスクの増加または減少に寄与した個人レベルの予測因子を特定することはできませんでした。 対象を絞った介入を最も効果的に適用できる場合、各個人のそのような特定のリスクを特定する機能は非常に役立ちます。

予測の精度は控えめで、実際の展開の準備ができていませんでしたが、これらの調査結果は明らかに、政策立案者、保護者、教師、臨床医に多くの幅広い影響を及ぼしています。 これらのAIモデルをトレーニングするために利用できるデータが増えることを考えると、病気のリスクに関してより正確で一般化可能な予測を早い年齢で行うことができるため、予防とリスク低減のためのより効果的で個別化された対策を開発することが不可欠です。 したがって、モデルの予測精度を拡大するための作業を継続します。

全体として、機械学習AIテクノロジーは、国の登録簿やその他の電子健康記録などの大量のデータを活用することで、SUDなどの病気のリスクをずっと前から予測できるという概念実証を提供しました。発病。

ヤンリ・ジャン・ジェームズ博士 SUNYアップステート医科大学精神医学および行動科学科の准教授です。 彼女はに関与しています CoCAプロジェクト

1. Ercan、ES、et al。、 小児期の注意欠陥/多動性障害およびアルコール依存症:1年間の追跡調査。 アルコールアルコール、2003年。 38(4):p。 352-6。

2. Wilens、TE、et al。、 ADHDは物質使用障害を予測しますか? ADHDの若年成人を対象とした10年間の追跡調査。 J Am Acad Child Adolesc Psychiatry、2011年。 50(6):p。 543-53。

3. Kousha、M.、Z。Shahrivar、およびJ. Alaghband-Rad、 物質使用障害とADHD:ADHDは特に「特定の」リスク要因ですか? J Atten Disord、2012年。 16(4):p。 325-32。

4. Molina、BS、et al。、 36ヶ月でのMTAにおける非行行動と新たな物質使用:有病率、経過、および治療効果。 J Am Acad Child Adolesc Psychiatry、2007年。 46(8):p。 1028-40。

5. Schoenfelder、EN、SV Faraone、およびSH Kollins、 ADHDと喫煙の覚醒剤治療:メタ分析。 小児科、2014年。 133(6):p。 1070-80。

6. Zhang-James、Y.、et al。、 スウェーデンの登録データを使用したADHDの若者における併存物質使用障害の機械学習予測。 Jチャイルドサイコール精神医学、2020年。



Source link

Leave a Comment