オピオイド使用の自動リスク評価: ソーシャルメディアのデータで,事前に訓練されたトランスフォーマーを使用した分析

科学分野:

• コンピューティング言語学
• 公共衛生情報学 公共衛生情報学
• 医療のための機械学習

背景:

• オピオイドの流行は,世界中で著しい死亡率と依存症を引き起こす.
• 自動化されたツールは,より迅速な過剰摂取検知とリスク評価のために必要です.
• Redditのようなソーシャルメディアプラットフォームは,オピオイドの乱用に関する貴重な自己報告データを提供しています.

研究 の 目的:

• オピオイド過剰摂取のリスクを検出するための自動化されたシステムを開発する.
• ソーシャルメディアの投稿を使用して,物質を高リスクまたは低リスクに分類する.
• 早期介入と害の軽減戦略を強化する.

主な方法:

• Redditの投稿から新しいデータセットを組み立て,手動で注釈しました.
• BioBERT (バイオメディカルテキストマイニングのためのトランスフォーマーからの双方向エンコーダー表現) モデルを使用し,カスタム注意力メカニズムで強化されました.
• 5倍クロス検証を用いて評価され,XGBoost (Extreme Gradient Boosting) を含むベースラインモデルと比較した.

主要な成果:

• パーソナライズされた注意を持つBioBERTモデルは,0.99のF1スコアを達成し,最高のベースライン (XGBoostは0.97) を上回りました.
• ペアリングされたtテストでは,統計的に有意なパフォーマンスの改善が確認されました (P=.003).
• このモデルは,強固で正確な過剰摂取リスク検出能力を実証しました.

結論:

• ソーシャルメディアデータと高度なNLPモデルを組み合わせることで,効果的なオピオイド過剰摂取検出システムを構築できます.
• パーソナライズされた注意を伴うBioBERTモデルは,リアルタイムの介入のための最先端のパフォーマンスを提供します.
• この技術は,オピオイド危機における,適時な被害軽減の取り組みを支援しています.