丹佛大学、宾夕法尼亚州立大学(宾夕法尼亚州立大学)和南加州大学(USC)的研究人员对六个州的1600多名年轻人进行了研究,并使用算法和机器学习来解释结果数据,以确定如何以及何时干预无家可归青年的物质使用障碍(SUC)。
宾夕法尼亚州立大学的Amula Yadav开发了人工智能驱动的综合阿片类药物反应工具(CORTA),该工具考虑了多种因素来预测一个人发展阿片类药物成瘾的可能性。
南加州大学的Aida Rahmattalabi开发了基于群体的干预决策援助(GUIDE),以评估个人的社会网络,以建立更有效的干预和恢复小组。
研究人员指出,使用人工智能可以帮助社会工作者识别SUC高风险青年,并促进适当的干预。
从丹佛大学
查看全文
版权所有©2020SmithBucklin美国华盛顿特区
没有找到条目