Diet-ODIN：一种基于可解释饮食模式的阿片类药物滥用检测新框架
机器学习
2024-03-15 v1 人工智能
社会与信息网络
摘要
阿片类药物危机一直是美国最关键的社会问题之一。尽管药物辅助治疗（MAT）被公认为治疗阿片类药物滥用和成瘾的最有效方法，但其各种副作用可能引发阿片类药物复吸。除了 MAT 之外，饮食营养干预已被证明在阿片类药物滥用的预防和康复中具有重要性。然而，关于饮食模式与阿片类药物滥用之间令人担忧的联系的研究仍不充分。为了填补这一空白，本文首次尝试建立了一个与阿片类药物使用者相关的大规模多方面饮食基准数据集，然后开发了一个新框架——即基于可解释饮食模式的阿片类药物滥用检测（Diet-ODIN）——通过桥接异构图（HG）和大型语言模型（LLM），来识别阿片类药物滥用用户并解释其相关的饮食模式。具体而言，在 Diet-ODIN 中，我们首先构建了一个 HG 以全面纳入饮食和健康相关信息，然后设计了一个具有降噪功能的整体图学习框架，以充分利用用户的个人饮食习惯和共享饮食模式来检测阿片类药物滥用用户。为了进一步深入研究饮食模式与阿片类药物滥用之间的复杂相关性，我们利用 LLM 借助从图学习模型中获得的知识进行解释。基于我们建立的基准的广泛实验结果，通过定量和定性测量证明，与最先进的基线方法相比，Diet-ODIN 在探索阿片类药物滥用与饮食模式之间的复杂相互作用方面表现出卓越的性能。
引用
@article{arxiv.2403.08820,
title = {Diet-ODIN: A Novel Framework for Opioid Misuse Detection with Interpretable Dietary Patterns},
author = {Zheyuan Zhang and Zehong Wang and Shifu Hou and Evan Hall and Landon Bachman and Vincent Galassi and Jasmine White and Nitesh V. Chawla and Chuxu Zhang and Yanfang Ye},
journal= {arXiv preprint arXiv:2403.08820},
year = {2024}
}