วิธีการใหม่ของ AI สำหรับการวิเคราะห์ด้านสาธารณสุขแสดงให้เห็นแนวโน้มการใช้สารเสพติดในกลุ่มนักเรียนมัธยมปลาย: การศึกษาของแคนาดา

นักเรียนมัธยมปลายที่มีเบี้ยเลี้ยงรายสัปดาห์จำนวนมาก เพื่อนที่สูบบุหรี่และมีกิจกรรมทางกายในระดับต่ำ มีแนวโน้มที่จะใช้สารเสพติดหลายชนิดเมื่อเวลาผ่านไป ในทางกลับกัน การมีอายุมากขึ้น การเป็นคนผิวดำ และการรับประทานอาหารเช้าทุกวันเป็นปัจจัยที่เกี่ยวข้องกับโอกาสน้อยในการเปลี่ยนไปใช้หลายอย่าง ข้อสรุปเหล่านี้บรรลุผลโดยทีมนักวิจัยแห่งมหาวิทยาลัย Waterloo ซึ่งใช้ปัญญาประดิษฐ์ในการวิเคราะห์ชุดข้อมูลด้านสาธารณสุขที่มีขนาดใหญ่และซับซ้อน ซึ่งเป็นวิธีใหม่ในการวิเคราะห์ด้านสาธารณสุข ผ่าตัดการศึกษาใช้แมชชีนเลิร์นนิงแทนวิธีการทางสถิติแบบดั้งเดิม ช่วยให้นักวิจัยสามารถประเมินปัจจัยต่างๆ ที่เกี่ยวข้องกับรูปแบบการใช้แอลกอฮอล์และสารเสพติดอื่นๆ และการเปลี่ยนผ่านของนักเรียนมัธยมปลายในแคนาดาอย่างละเอียดถี่ถ้วนในช่วงเวลา 3 ช่วงระหว่างปี 2016-19 "การเรียนรู้ของเครื่องมีข้อได้เปรียบเหนือวิธีการทางสถิติแบบดั้งเดิม" เฮเลน เฉิน ศาสตราจารย์ด้านสาธารณสุขของวอเตอร์ลูกล่าว "ตัวอย่างเช่น เนื่องจากธรรมชาติของแมชชีนเลิร์นนิง เราไม่จำเป็นต้องเลือกตัวแปรเองตามวรรณกรรมที่มีอยู่เพื่อให้โมเดลของเราดูไม่น่าเชื่อถือ ด้วยแมชชีนเลิร์นนิง คุณจะดูการเปลี่ยนแปลงที่เป็นไปได้ทั้งหมดในข้อมูล และเรา พบว่าตัวแปรต่างๆ เช่น การได้รับเบี้ยเลี้ยงรายสัปดาห์จำนวนมากเป็นปัจจัยมากกว่าปัจจัยเสี่ยงแบบเดิม เช่น ภาวะซึมเศร้า วิตกกังวล หรือการถูกกลั่นแกล้ง"